Trabajo de Diploma (Departamento de Matemática Universidad de Oriente, Cuba)

Departamento de Matemática
Trabajo de Diploma
en opción al título de Licenciado en Matemática.
Modelos y procedimientos optimales para la

cadena de suministros en la nueva fábrica de
cemento de Santiago de Cuba
Autor: Rayner Manuel Sánchez Reyes

Tutor: Lic. Alexander Gorina Sánchez
Consultante: Lic. Alondra Martínez Arias
Colaboradores: Ing. Ernesto Guilarte
Ing. Gelkys Candeaux Ruiz
Santiago de Cuba
Curso 2008-2009
Las matemáticas no solamente poseen la verdad, sino la
suprema belleza, una belleza fría y austera, como la de la
escultura, sin atractivo para la parte más débil de
nuestra naturaleza …
Bertrand Russell
DEDICATORIA
¾ A mi queridísima y sacrificada madre, a mi querido y adorado padre, a

quienes amo eternamente, a ellos gracias por ser quien soy.
¾ A mis hermanos que quiero y amo mucho Alfon y July, de quienes estoy muy
orgulloso.
¾ A la estrella que me protege y me guía desde el cielo, que anhelaba mucho
este momento, a quien he amado con todas mis fuerzas y está presente en
cada segundo de mi vida, mi amada abuela Pucha.
¾ A una persona con la cual sólo pude vivir los siete primeros años de mi vida
pero bastó ese tiempo para demostrarme su cariño y amor infinito, mi abuelo
Rafael.
¾ A mis tíos Rafael y Olga.
¾ A mis abuelos paternos Alfonso y Olga, por quererme y por estar presentes
en sus vidas.
¾ A toda mi familia en general.
¾ A mi chiquitica Iraida con la cual he vivido momentos muy bellos y ha
estado presente en los tiempos más difíciles, a quien amo infinitamente y me
hace muy feliz.
AGRADECIMIENTOS
¾ Agradezco en primer lugar y muy especialmente, no sólo por haberse

consagrado completamente al éxito de la investigación realizada, sino
también por su dedicación, paciencia y entrega al brindarme su apoyo
incondicional en cualquier momento, a quien además de ser mi profesor y
tutor, es mi amigo, Alexander Gorina Sánchez.
¾ De igual forma quiero agradecerle a la licenciada Alondra Martínez Arias,
quien dedicó parte de su preciado tiempo a la realización de la
investigación.
¾ Gracias a los ingenieros Ernesto Guilarte Barrido y Gelkys Candeaux Ruiz
por su colaboración al hacer posible la investigación.
¾ A todos los profesores del departamento de Matemática, los que
contribuyeron en mi formación, no sólo en la materia, sino en la vida en
general.
¾ A la familia de Iraida por todo el apoyo y el cariño que me han ofrecido.
¾ Un agradecimiento bien grande y merecido lo tienen todos mis compañeros
de aula (Andy, Maikel y Emilio), los cuales han compartido conmigo cinco
cursos y me han apoyado en todo momento.
¾ A todos mis compañeros de la Facultad de Matemática- Computación, por
todos los momentos que hemos compartido durante este tiempo de
estudiantes universitarios.
¾ A mis compañeros de cuarto, por haber estado conmigo en los momentos más
difíciles de la beca.
¾ A mis amigos del barrio, por todos los momentos que hemos compartido y
por extrañarme siempre que estuve ausente de él.
¾ A todos los que tuvieron que ver conmigo en algún momento, a ellos muchas
gracias.
¾ Y no por último menos importante, le agradezco a Dios por haberme
permitido realizar este trabajo y por estar siempre presente en mi vida.
RESUMEN
En el presente trabajo se realiza un estudio para la evaluación de las cadenas

de suministro de ciertas materias primas en la nueva fábrica de cemento que se
instalará en Santiago de Cuba. Con ayuda de los modelos de inventario
empleados se determina: el tamaño óptimo de los lotes, el punto de reorden y el
inventario de seguridad para cada una de estas materias primas, lográndose
minimizar los costos de almacenamiento y el capital invertido. Se formula un
Problema de Programación Lineal Entero (PPLE) derivado de los modelos de
inventario y se resuelve con ayuda del software PLEC ++. Como resultado, se
obtiene la cantidad total mínima de camiones a utilizar y la cantidad mínima de
camiones a utilizar diariamente para cada materia prima, lo que permite realizar
una planificación para los 313 días de producción y los 16 días anteriores para
lograr acumular las disponibilidades iniciales.
ABSTRACT
In the present investigation a research work is done in order to evaluate the

supply chains of certain raw materials in the new cement factory that it will be
installed in Santiago de Cuba. Can be determined with the help of the models of
inventory used: the optimal size of the lots, the reorder point and the security
inventory to each one of these raw materials, being able to minimize the storage
costs and the invested capital. An Integer Lineal Programming Problem (ILPP) is
formulated, derived of the inventory models, and helped by PLEC ++ software to
solve it. As a result, is obtained the minimum total amount of trucks to be used and
the minimum amount of trucks to be daily used, what allows a planning for 313
production days and the previous 16 days to accomplish the beginning
availabilities.
ÍNDICE Pág.
INTRODUCCIÓN........................................................................................................................... 1
CAPÍTULO 1 FUNDAMENTOS MATEMÁTICOS PARA LA MODELACIÓN DE
CADENAS DE SUMINISTRO........................................................................... 4
Introducción al capítulo.................................................................................................... 4
1.1 Elementos de la Investigación de Operaciones................................................ 4
1.2 Metodología de la Investigación de Operaciones............................................. 5
1.3 Teoría de inventarios........................................................................................ 8

1.3.1 Generalidades.......................................................................................... 9
1.3.2 Características generales de los problemas de inventarios..................... 11
1.3.3 Representación gráfica............................................................................. 11
1.3.4 Reaprovisionamiento................................................................................ 12
1.3.4.1 Retrasos del reaprovisionamiento............................................... 13
1.3.5 Problemática y sus costos relevantes...................................................... 14
1.4 Elementos de Programación Lineal Entera (PLE)............................................ 17
1.4.1 Modelos de optimización enteros............................................................. 17
1.4.2 Métodos y algoritmos de Programación Lineal Entera (PLE)................... 18
Conclusiones al capítulo………………………………………………………………………. 22
CAPÍTULO 2 MODELACIÓN MATEMÁTICA DE LAS CADENAS DE SUMINISTRO DE
MATERIAS PRIMAS........................................................................................ 23
2.1 Definición del problema y recolección de datos............................................... 23
2.1.1 Precisión del problema y los objetivos..................................................... 24
2.2 Modelos de inventarios con demanda promedio constante............................. 25

2.2.1 Un modelo casi general para la demanda promedio constante............... 26
2.2.2 Modelo para la demanda promedio constante con costo de

almacenamiento proporcional al costo de compra y de transportación... 30
2.2.3 Cálculo del punto de reorden y del inventario de seguridad.................... 32
2.2.4 Inferencia de datos faltantes…………………………………...................... 36
2.3 Obtención del PPLE para la planificación óptima del transporte..................... 39
Conclusiones del capítulo................................................................................................ 41

CAPÍTULO 3 PLANIFICACIÓN DEL REAPROVISIONAMIENTO DE LAS MATERIAS
PRIMAS EN LA CADENA DE SUMINISTRO.................................................. 42
Obtención de una solución a partir de los modelos, prueba del modelo y
3.1
de su solución…………………………………………………………………... 42
3.1.1 Establecimiento de controles sobre la solución del modelo matemático 47
3.1.2 Implantación de la solución del modelo matemático…………………….. 50
Conclusiones del capítulo................................................................................................ 52
CONCLUSIONES GENERALES................................................................................................... 54
RECOMENDACIONES………………………………………………………………………………….. 56
BIBLIOGRAFÍA............................................................................................................................. 57
ANEXOS…………………………………………………………………………………………………... 62
1. Sistema de la cadena de suministro que se modela……………………………………..
Restricciones fundamentales de las materias primas en el proceso de producción de
2.
cemento………………………………………………………………………………………..
3. Muestra los costos de cada una de las materias primas…………………………………
4. Tarifa de transportación de cada una de las materias primas…………………………..
5. Lógica empleada para la modelación matemática………………………………………..
6. Solución del modelo de PPLEP mediante el PLEC++, por el algoritmo GomoryI…….
7. Planificación para la cadena de suministro antes de comenzar la producción. Se
incluyen 16 días………………………………………………………………………………
8. Planificación para la cadena de suministro para la producción. Se incluyen 313 días.
9. Distribución normal de la demanda para la materia prima hierro……………………….
10. Distribución normal de la demanda para la materia prima toba…………………………
11. Distribución normal de la demanda para la materia prima yeso………………………...
12. Comportamiento de la demanda para la materia prima hierro…………………………..
13. Comportamiento de la demanda para la materia prima toba……………………………
14. Comportamiento de la demanda para la materia prima yeso……………………………
Trabajo de Diploma………………………………………………Rayner Manuel Sánchez Reyes
INTRODUCCIÓN
Al aprobarse la inversión en la construcción de una fábrica de cemento de alta
producción y competitividad en la provincia de Santiago de Cuba, atendiendo a la
complejidad de los estudios de factibilidad que la misma implica, el Ministerio de la
Industria Básica (MINBAS), en particular el Grupo Empresarial CEMVID de la
Empresa Mixta “Cemento Santiago de Cuba S.A.” aprobó el contrato “Evaluación
de las alternativas de transportaciones en la nueva fábrica de cemento de
Santiago de Cuba”, con el Centro de Ingeniería del Transporte de Oriente (CIT)1,
perteneciente al Grupo de Innovación Tecnológica del Transporte, concerniente al
Ministerio del Transporte (MITRANS).
En apoyo a dicho contrato, el Departamento de Matemática de la Universidad
de Oriente, en calidad de colaborador, realiza la presente investigación, a partir de
la necesidad de determinar la cantidad óptima de camiones necesarios para llevar
a cabo la transportación de ciertas materias primas para la elaboración del
cemento en toda la cadena de suministro, bajo la restricción prioritaria de que no
se rompan los inventarios de las mismas, minimizando los costos que intervienen
en todo el proceso. Lo anterior constituye el problema científico a abordar, y su
solución es una condición necesaria para la producción continua de cemento.
Cabe señalar que en una estimación preeliminar realizada por los especialistas
de la Empresa Mixta “Cemento Santiago de Cuba S.A.” se determinó que era
necesario disponer de un total de 30 camiones para transportar las materias
primas (corrector de hierro, toba, yeso, petcoke y carbón) hacia la fábrica de
cemento. El contrato mencionado anteriormente tiene entre sus objetivos
prioritarios precisar la cantidad mínima de camiones necesarios, debido a los altos
precios que tienen los camiones en el mercado internacional.
1
El CIT tiene implantado y documentado un Sistema de Gestión de la Calidad con alcance a
Proyectos de Investigación - Desarrollo y Servicios Científicos Técnicos en la gestión empresarial,
el desarrollo tecnológico del transporte, la explotación e infraestructura tecnológica del transporte
automotor, ferroviario y marítimo, la energía, la vialidad y seguridad del tránsito, según los
requisitos de la NC-ISO 9001:2001 siendo aplicable a todas las direcciones y divisiones de la
entidad.
1
Para dar respuesta al problema científico planteado se consideró el objeto de

la investigación las cadenas de suministros de materias primas de la nueva
fábrica de cemento en la provincia de Santiago de Cuba.
En el ambiente socioeconómico actual altamente competitivo y complejo, los
métodos tradicionales de toma de decisiones se han vuelto inoperantes e
inadmisibles, ya que los responsables de dirigir las actividades de las empresas e
instituciones se enfrentan a situaciones complejas y cambiantes con rapidez, que
requieren de soluciones creativas y prácticas apoyadas en una base cuantitativa
sólida. En este contexto, se evidencia como objetivo de la investigación la
obtención de herramientas de apoyo matemáticas para mejorar la gestión de las
cadenas de suministros de materias primas en la fábrica de cemento, que brinden
un soporte científico a las decisiones que deben tomarse en niveles tácticos y
operativos del sistema.
El objetivo de la investigación implica desarrollar las tareas científicas
derivadas de las siguientes interrogantes:
¿Qué metodología debe implementarse para optimizar los inventarios bajo
las restricciones del sistema?
¿Cómo puede realizarse una planificación del transporte al estimarse de
manera conjunta las políticas de inventarios de materias primas a lo largo de
una cadena de suministros?
Las respuestas a las interrogantes anteriores constituyen la base esencial para
determinar la cantidad mínima de camiones solicitadas, teniendo como valor
añadido, la posibilidad de realizar una planificación más general que minimice
diferentes costos. Dichas interrogantes se responden desde el campo de acción
de la presente investigación, es decir, la planificación del transporte para el
suministros de materias primas en su relación con los inventarios multi-producto y
multi-etapas.
Para dar respuestas a las interrogantes anteriores, se estructuró el informe de
la investigación de la siguiente forma:
En el Capítulo 1 se presentan los fundamentos matemáticos básicos que
posibilitaron sustentar la investigación, distinguiéndose algunos elementos
2
esenciales de la metodología de investigación de operaciones, elementos de la

Teoría de Inventarios y de Programación Lineal Entera, todos éstos de gran
utilidad en el estudio de las cadenas de suministros.
En el Capítulo 2, se expone como se llevaron a cabo las Etapas 1 y 2 de la
metodología de investigación de operaciones, las cuales se describen brevemente
en el Capítulo 1. Sobresale el hecho de concebir como un sistema, la estructura
de relaciones entre los diferentes componentes de la cadena de suministro, pues
de lo contrario, la simple suma de dichos componentes no logra captar la
complejidad inherente a la misma. Tal sistema se refleja en la interrelación entre la
política de reaprovisionamiento, los modelos de inventarios utilizados, que
incluyen la inferencia de los datos faltantes y el modelo para la planificación y
organización de la transportación para la cadena de suministro basado en
elementos de Programación Lineal Entera.
Para completar las etapas de la metodología de la investigación citada
anteriormente, en el Capítulo 3 se muestra como se llevaron a cabo las Etapas 3,
4 y 5. Se obtiene una solución para el problema planteado haciendo una
referencia cuidadosa de las expresiones que se utilizaron para la obtención de la
misma, dicha solución obtenida se valora teniendo en cuenta diferentes
perspectivas de análisis. Se brindan evidencias de la estabilidad de la solución
obtenida mediante el análisis de sensibilidad y mediante una simulación de las
demandas en los modelos de inventarios. Además, se hace un conjunto de
recomendaciones derivadas de los modelos y la solución obtenida, que fueron
presentados a los ejecutivos tomadores de decisiones de la Empresa Mixta
“Cemento Santiago de Cuba S.A.”, para que puedan implantar y darle seguimiento
a la planificación de la cadena de inventarios con mayor eficiencia y racionalidad.
Finalmente, se brindan las conclusiones del trabajo, las recomendaciones para
futuras investigaciones, las referencias bibliográficas y los anexos, posibilitando
estos últimos esclarecer o complementar ciertos análisis realizados en el cuerpo
del informe.
3
CAPÍTULO 1. Fundamentos Matemáticos para la Modelación de

Cadenas de Suministro
Introducción al capítulo
En el presente capítulo se expone brevemente en qué consiste la Investigación
de Operaciones y se muestran cinco etapas de su metodología, las cuales fueron
empleadas durante la investigación. Se presentan además, los fundamentos
matemáticos básicos que posibilitaron llevar a cabo la modelación de las cadenas
de suministro de materias primas de la nueva fábrica de cemento, destacándose
en este sentido algunos elementos básicos de la Teoría de Inventarios y de la
Programación Lineal Entera (PLE).
1.1 Elementos de la Investigación de Operaciones

La Investigación de Operaciones o Investigación Operativa, es una rama de las
Matemáticas consistente en el uso de modelos matemáticos, de la Estadística y de
algoritmos con el objetivo de realizar un proceso de toma de decisiones, es una
moderna disciplina científica que se caracteriza por la aplicación de teoría,
métodos y técnicas especiales, para buscar la solución de problemas de
administración, organización y control que se producen en los diversos sistemas
que existen en la naturaleza y los creados por el ser humano, tales como las
organizaciones diversas a las que identifica como sistemas organizados, sistemas
físicos, económicos, ecológicos, educacionales, de servicio social, etc.
Frecuentemente, trata el estudio de complejos sistemas reales, con la finalidad de
mejorar (u optimizar) el funcionamiento del mismo. La Investigación de
Operaciones permite el análisis de la toma de decisiones teniendo en cuenta la
escasez de recursos, para determinar cómo se pueden maximizar o minimizar
estos últimos.
La difusión de la Investigación de Operaciones presenta también la ventaja de
favorecer las investigaciones en las economías de las empresas y se considera
este desarrollo como una condición esencial para una renovación del pensamiento
y de la Ciencia Económica. El análisis de los fenómenos de producción, los
intercambios dentro del nivel de las empresas y de los sectores cada vez más
4
amplios, hacen de la Investigación de Operaciones una alternativa ineludible para

comprender la realidad y la naturaleza de los problemas.
En este sentido, el desarrollo de las investigaciones económicas en las
empresas implica varias condiciones:
Una documentación abundante (pero no bajo la forma tradicional de censos
parciales inconexos), con una normalización de la contabilidad que facilite
grandemente la recolección y la explotación de los datos numéricos mediante
las herramientas que brinda la Estadística.
La posibilidad de diálogos fecundos: En el seno de la empresa misma, entre
los ingenieros, especialistas en venta y mercados, técnicos administrativos;
así como entre los investigadores y los responsables de la economía.
Finalmente, métodos de aproximación y de investigación que permiten
explotar las informaciones recogidas con el propósito de resolver los
problemas planteados, tanto por la administración de las empresas como por
el estudio científico de los fenómenos económicos, donde los métodos
cuantitativos juegan un papel fundamental.
Antes de profundizar en algunos de los métodos cuantitativos, debe señalarse
la importancia que tiene la metodología de investigación de operaciones, pues por
su gran generalidad y flexibilidad puede contribuir a viabilizar la forma de abordar
científicamente una gran gama de problemas económicos u de otra naturaleza, en
aras de tomar decisiones de la forma más racional posible.
1.2 Metodología de la Investigación de Operaciones

La Investigación de Operaciones, hace uso de una metodología para resolver
problemas científicos, tomando en consideración las etapas de un proyecto de
Investigación de Operaciones. Estas etapas son:
1. Definición del problema y recolección de datos

En esta fase del proceso se necesita: una descripción de los objetivos del
sistema, es decir, qué se desea optimizar; identificar las variables
implicadas, ya sean controlables o no; determinar las restricciones del
sistema. También hay que tener en cuenta las alternativas posibles de
5
decisión, los límites de tiempo para tomar una decisión y las restricciones
para producir una solución adecuada. Este proceso de definir el problema
es muy importante ya que afectará en forma significativa las conclusiones
en estudio, es imposible extraer una respuesta correcta de un problema
equivocado. Una parte bien importante para la formulación de un modelo
matemático es la recolección de datos, pues ellos permitirán la realización
del modelo y la exactitud de los resultados, pues se necesitan muchos
datos para lograr un entendimiento exacto del problema y proporcionar el
insumo adecuado para el modelo matemático que se formulará en la
siguiente etapa del estudio.
2. Formulación de un modelo matemático

Una vez que nos aseguramos que la definición del problema ha sido
construida de manera específica y correcta, continuamos con la formulación
de un modelo matemático, este modelo debe ser formulado de tal manera
que exprese la esencia del problema.
El modelo matemático está basado en ecuaciones y desigualdades
establecidas en términos de variables, las cuales expresan la esencia del
problema a resolver y son definidas en función de las características
esenciales del problema. Después de localizar las variables en función del
problema, se procede a determinar matemáticamente las dos partes que
constituyen el modelo:
La medida de efectividad que permite conocer el nivel de logro de los
objetivos, generalmente es una función llamada función objetivo.
Las limitantes del problema, llamadas restricciones, que son un conjunto
de igualdades o desigualdades que constituyen las barreras y
obstáculos para la consecución del objetivo.
3. Obtención de una solución a partir de los modelos, prueba del modelo

y de su solución
Una vez que se tiene el modelo, se procede a obtener una solución
matemática empleando las diversas técnicas y métodos matemáticos para
resolver problemas y ecuaciones. Resolver un modelo consiste en
6
encontrar los valores de las variables dependientes, asociadas a las

componentes controlables del sistema con el propósito de optimizar, si es
posible, o cuando menos mejorar la eficiencia o la efectividad del sistema
dentro del marco de referencia que fijan los objetivos y las restricciones del
problema. Debemos tener en cuenta que las soluciones que se obtienen en
este punto del proceso, son matemáticas y debemos interpretarlas en el
mundo real. La selección del método de solución depende de las
características del modelo.
El modelo debe probar su validez, antes de ser implantado, observando si
los resultados predicen o no, con cierta aproximación o exactitud, los
efectos en relación a las diferentes alternativas de solución. Para
comprobar la solución del modelo, deberá recopilarse la información, con el
fin de hacer las pruebas necesarias y hacer la verificación según los
siguientes pasos:
a) Definir científicamente (incluyendo la medida de rendimiento)
b) Llevar a cabo el muestreo (incluyendo el diseño de experimentos)
c) Reducir el número de datos
d) Utilizar los datos en la prueba de hipótesis
e) Evaluar los resultados
Si estos pasos son llevados a cabo recurrentemente cada vez que obtienen
resultados del modelo y les son presentados al grupo de toma de
decisiones, se empieza a ejecutar un procedimiento sistemático de control
que depura y ajusta al mismo, con la realidad.
4. Establecimiento de controles sobre la solución del modelo matemático

Una solución establecida como válida para un problema, permanece como
tal, siempre y cuando las condiciones del problema, las variables no
controlables, los parámetros, las relaciones, entre otros, no cambien
significativamente. Esta situación se vuelve más factible cuando algunos de
los parámetros fueron estimados aproximadamente. Por lo anterior, es
necesario generar información adicional sobre el comportamiento de la
solución debido a cambios en los parámetros del modelo, usualmente esto
7
se conoce como análisis de sensibilidad. En pocas palabras, esta fase

consiste en determinar los rangos de variación de los parámetros dentro de
los cuales no cambia la solución del problema.
5. Implantación de la solución del modelo matemático

Cuando ya se ha desarrollado el sistema para aplicar el modelo, la última
etapa consiste en la implantación de los resultados probados del mismo.
Esto básicamente implicaría la traducción de estos resultados en
instrucciones de operación detallada, emitidas en una forma comprensible a
los individuos que administrarán y operarán al sistema. Al culminar el
estudio, es apropiado que el equipo de investigación de operaciones
documente su metodología utilizada con suficiente claridad para que el
trabajo sea reproducible.
Una vez presentada la metodología de la investigación de operaciones, la cual
constituye una lógica investigativa de gran utilidad para potenciar el acercamiento
al estudio de variados fenómenos, resulta conveniente introducir algunos
elementos básicos relacionados con la teoría de inventarios que serán de
aplicación en la investigación.
1.3 Teoría de inventarios

Los inventarios pueden definirse ampliamente como la cantidad de artículos,
mercancías y otros recursos económicos que son almacenados o se mantienen
inactivos en un instante de tiempo dado. Los recursos económicos varían en
cantidad con el tiempo en respuesta al proceso de demanda que opera para
reducir el nivel de inventario y el proceso de abastecimiento que opera para
elevarlo.
Normalmente la demanda es una variable no controlable, pero la magnitud y
frecuencia del abastecimiento es controlable. Los inventarios por ejemplo, pueden
comprender:
1) Inventarios de materias primas: son materias primas que esperan para
ser utilizadas en la producción de artículos.
8
2) Inventario de trabajo en proceso: productos semiterminados o productos

en proceso almacenados temporalmente durante el proceso de producción.
3) Inventario de productos terminados: productos terminados que esperan
embarque desde la fábrica, distribuidores al por mayor o detallistas.
1.3.1 Generalidades
El aprovisionamiento de materiales y equipos necesarios para la producción,
las demandas de la clientela, las disponibilidades razonables de refacciones, entre
otros, plantean problemas extraordinariamente diversos. Es difícil hacer una
clasificación coherente y lógica de los problemas de inventarios. Es pertinente, sin
embargo, reconocer antes que nada, la naturaleza de la demanda, la cual puede
ser:
Determinada (previsible con una cierta precisión);
aleatoria, pero estadísticamente estable;
aleatoria, pero estadísticamente inestable;
desconocida
En los problemas de inventario intervienen restricciones que pueden ser:

Interacciones entre los diversos productos;
limitaciones de medios (volumen, peso, tiempo de operación,
disponibilidades financieras, entre otros).
El estudio de la administración de inventarios es un campo del conocimiento

que se ha examinado de manera científica hace ya varias décadas. Desde que fue
propuesto el modelo de lote económico por F. W. Harris en 1915, según plantea
José Elías Jiménez Sánchez [25], muchos autores se han dado a la tarea de
resolver múltiples problemas de inventarios. El principio fundamental de esta clase
de modelos se orienta a determinar la política de abastecimiento a través de
precisar la cantidad a pedir y el período de suministro para lograr el costo mínimo.
En general, los modelos matemáticos para el control de inventarios se emplean
en forma indistinta para describir el reabastecimiento con un proveedor externo o
producción interna. Esto significa que desde el punto de vista del modelo, el
control de inventarios y la planeación de la producción son con frecuencia
9
sinónimos según plantea Steven Nahmias [32]. Su principal objetivo está orientado
a satisfacer las necesidades de los clientes, y su principal diferencia es que la
demanda puede ser constante o variable en el tiempo, determinista o aleatoria,
predecible o impredecible. De esta manera, por el tipo de demanda que se
analiza, los modelos de inventarios se pueden clasificar tal y como se muestra en
la Fig. 1.3.1.1.
Fig. 1.3.1.1. CLASIFICACIÓN DE INVENTARIOS A PARTIR DELTIPO DE DEMANDA
Regularmente los modelos de inventario se clasifican de acuerdo a si se

conoce o no la demanda en un período determinado, llamándose en este caso
deterministas; y estocásticos cuando se trabaja con cantidades posibles o
probables. Lo anterior resulta de interés si se desea seleccionar una adecuada
política de gestión de inventarios, la cual puede incidir de manera significativa en
los costos de una empresa.
Un modelo de inventario se utiliza para establecer una política óptima a fin de
que, de manera relativamente sencilla, se pueda determinar cuándo efectuar un
pedido (o proceso de fabricación) y el tamaño del lote por adquirir o fabricar. Lo
anterior tiene dos objetivos bastante claros:
a) mantener cierta cantidad de mercancía en existencia durante un período fijo
para minimizar los costos;
b) lograr el mejor nivel de servicio al cliente.
10
1.3.2 Características generales de los problemas de inventarios

El problema de inventario se presenta bajo la forma de fenómenos de espera
de una naturaleza particular. Estos fenómenos se estudian valiéndose de la noción
de probabilidad, pero en ciertos casos bastantes frecuentes, cuando las medidas
estadísticas hacen aparecer varianzas muy débiles, se les asocia modelos
deterministas.
Cualquier problema de inventario incluye:
1. Una demanda de ciertos artículos que, en general, es aleatoria y se expresa
en función del tiempo, pero que también puede conocerse y determinarse.
2. La existencia de un inventario de esos artículos para satisfacer la demanda;
este inventario se agota y debe de ser reaprovisionado o renovado. El
reaprovisionamiento puede ser continuo, periódico o inclusive realizarse a
intervalos cualesquiera.
3. Costos asociados a esas operaciones: inversiones, depreciaciones,
seguros, riesgos diversos, almacenamiento, etc., sin olvidar el que se
atribuye en forma más o menos arbitraria a la escasez y que juega un papel
esencial en algunos problemas; esos costos permiten dar una función
económica que se propondrá optimizar.
4. Objetivos a alcanzar o restricciones que intervienen en razón de la
naturaleza misma del problema.
1.3.3 Representación gráfica

Para describir un problema de inventario, podría realizarse mediante la
representación dada en la Fig. 1.3.3.1, en donde aparece la existencia inicial Si , la
existencia final S f , el intervalo φ que separa los instantes en donde se han
tomado Si y S f . En general, las demandas son cantidades aleatorias,
representadas mediante un trazo o mediante escalones. Es cómodo reemplazar

ese trazo por una recta o por una curva que dará una descripción analítica más
adecuada de la demanda.
11
Fig. 1.3.3.1. VARIACIÓN DEL INVENTARIO DESDE LA EXISTENCIA INICIAL HASTA LA FINAL.
1.3.4 Reaprovisionamiento
Supongamos que el intervalo de tiempo que transcurre entre la emisión de una
orden de reaprovisionamiento y la recepción, sea nulo. Distinguiremos entonces
dos métodos principales de administración de inventario elemental. La primera se
ilustra en la Fig. 1.3.4.1, y se llama método por periodo o administración del tipo I.
Se da un periodo T al final del cual el reaprovisionamiento se realiza
sistemáticamente. Este periodo presenta el inconveniente de riesgo de ruptura del
inventario y puede implicar una administración costosa; pero tiene la ventaja de
ser automático.
Fig. 1.3.4.1. INVENTARIO ELEMENTAL POR PERIODO ADMINISTRACIÓN DEL TIPO I.
12
El segundo presentado en la Fig. 1.3.4.2, es un método que podríamos llamar

método de relajamiento, por analogía con los fenómenos físicos de la misma
naturaleza; la llamaremos también administración de tipo II, la cantidad
reaprovisionada es constante, pero los intervalos T1 , T2 , T3 , ... no son iguales. En este
caso no existe el riesgo de que se rompa el inventario, la administración es

generalmente menos costosa, pero por otro lado, no puede hacerse
sistemáticamente tan fácil.
Fig. 1.3.4.2. MÉTODO DE RELAJAMIENTO O ADMINISTRACIÓNDE TIPO II.
1.3.4.1 Retrasos del reaprovisionamiento

Supongamos que el retraso de reaprovisionamiento (intervalo de tiempo entre el
momento de pasar la orden y la recepción de ésta) sea independiente de la cantidad
pedida en la orden, más precisamente, que sea constante y con una duración t .
Comparemos lo que pasaría con relación a los siguientes casos. En el primer caso,
Fig. 1.3.4.1.1, se conoce la fecha de emisión de la orden, y se necesita extrapolar
para determinar la cantidad que hay que reordenar, lo cual ha sido preguntado en el
intervalo T − t que precede a t ; en algunos casos t puede ser mayor que T .
Fig. 1.3.4.1.1. RETRASO DE REAPROVISIONAMIENTO CONSTANTE Y CON UNA

DURACIÓN t, INDEPENDIENTE DE LA CANTIDAD PEDIDA EN EL REORDEN.
13
En el segundo caso, la cantidad a pedir en la orden es constante, pero la fecha

de emisión de la misma es desconocida y debe de determinarse mediante una
extrapolación que a veces puede ser insuficientemente precisa (el intervalo T3 , por
ejemplo sobre la Fig. 1.3.4.1.2); en algunos casos T ≥ Ti . En general, la demanda
es conocida en probabilidad y a veces el lapso es proporcional a (o función de) la

cantidad pedida, lo cual complica generalmente la administración.
Fig. 1.3.4.1.2. REAPROVISIONAMIENTO CON LA CANTIDAD A PEDIR

CONSTANTE Y CON FECHA DE EMISIÓN DESCONOCIDA.
1.3.5 Problemática y sus costos relevantes

Muchos académicos y practicantes han señalado que las inversiones en
inventarios representan una gran proporción de los bienes de la compañía. De
hecho, estiman que la inversión puede llegar a representar entre el 20 y 40% del
total, según expone Tersin [38]. Por otra parte el inventario encapsula el dinero, y
una mala gestión del mismo puede afectar el estado financiero de las empresas,
tener demasiado inventario es tan problemático como disponer de poco,
demasiado implica costos adicionales innecesarios relacionados con el
almacenaje, seguros, impuestos y los correspondientes al deterioro u
obsolescencia de los artículos que se mantienen en existencia; y disponer de
poco, involucra costo por faltantes de los artículos en el momento de ser
utilizados. Dichos costos son crecientes con el aumento del inventario. Sin
embargo, existen otros que disminuyen cuando el inventario aumenta.
En general, por la importancia que revisten, es necesario hacer un análisis
detallado de los distintos tipos de costos que pueden formar parte de cualquier
14
problema de inventarios. Los tipos fundamentales de costos pueden ser

agrupados de la forma siguiente:
a) Costos de conservación.
Estos costos pueden ser de diversos tipos, como por ejemplo:
1. Costo de adquisición o de manufactura (en caso de fabricación).
Considera costo de mano de obra directa o indirecta, costo de
materiales directos o indirectos, gastos generales (se expresa en unidad
monetaria por unidad de producto).
2. Costo por ordenar. Costos administrativos y de oficina involucrados en
el proceso de una orden de compra, despacho, trámite del pedido, costo
de transporte o costo de iniciar una tanda de producción, en caso de
fabricación (se expresa en unidad monetaria por orden).
3. Costo de almacenamiento. Dinero inmovilizado en inventario, costo del
espacio de almacenamiento, costo de manipulación, costo salarial (de
los trabajadores), costo de seguro, obsolescencia, deterioro de calidad,
costo de tener registro de inventario (expresado en unidad monetaria /
unidad físicas / unidad de tiempo).
4. Costo por faltantes o escasez (déficit). Considera los requerimientos de
tiempo extra ocasionado por el déficit, tiempo adicional de oficinas
administrativas, costo de apresuramiento, pérdida de reputación, costo
especial de manipulación y embarque, pérdida de tiempo de producción
y cualquier otro costo atribuible al déficit (expresado en unidad
monetaria / unidad física / unidad de tiempo). No considera ventas
perdidas porque supone que esto no ocurre ya que contemplan solo
retrasos en las entregas.
5. Costos de depreciación, de envejecimiento, obsolescencia o de pérdida
(en artículos perecederos, materias sensibles a la humedad, artículos de
moda, entre otros). Si tomamos en consideración los gastos de
conservación, estos aconsejan una gestión tal en la empresa, que el
inventario medio sea lo más pequeño posible.
15
b) Costos de aprovisionamiento o de obtención.

El aprovisionamiento obliga a una serie de operaciones que implican
gastos. Estos gastos pueden ser:
1. Costos de transporte. Estos costos se dan en los casos en que la
empresa transporta los productos hasta el almacén del comprador o
cuando debe buscar las materias primas con sus propios medios.
2. Costos de pedido. Estos costos incluyen desde llamadas telefónicas
hasta el contrato formalmente establecido, salarios extras relacionados
con el pedido, entre otros.
3. Costos de preparación. Costos relacionados con la preparación de
materiales, equipos y otros, para iniciar una tanda de producción que
permita satisfacer la demanda.
c) Costos de ruptura o de agotamiento.
1. Este es el costo asociado con la demora en satisfacer la demanda o con
la incapacidad de servir la orden en el momento que se solicita. Algunas
veces la estimación de este costo es bastante subjetiva, ya que en
ocasiones es muy difícil estimar la pérdida ocasionada por la no llegada
de un pedido en el momento en que se carece de existencias. Pero una
empresa sí puede estimar las pérdidas ocasionadas por la detención de
una máquina herramienta por carecer de la pieza necesaria o la
detención de un camión por carecer de algún agregado. Si el almacén
es independiente de la empresa, entonces al establecer el contrato de
abastecimiento, pudiera incluirse a pedido de esta última una cláusula
acerca del pago por las pérdidas debidas al abastecimiento incompleto o
de retraso o sea una penalización. En esta situación sí pudiera
estimarse con exactitud la pérdida ocasionada por la no satisfacción de
la demanda.
La relación intrínseca de los costos de inventarios tiene diversos
planteamientos, por ejemplo: poco inventario puede provocar escasez (stock outs)
e interrupciones en los sistemas de producción. Además, la producción de largo
plazo, asociada a un nivel de inventario alto, oculta problemas de producción (por
16
ejemplo: calidad) que puede dañar el desempeño de la compañía a largo plazo,

según lo expuesto por Vergin [44]. Por tanto, el problema de inventario supone la
existencia de una relación directa entre los diferentes tipos de costos
mencionados. El inventario óptimo es aquel para el cual la suma de estos costos
se hace mínima.
1.4 Elementos de Programación Lineal Entera (PLE)

Tradicionalmente estos modelos se han considerado como subclases de la
programación lineal, sin embargo, las variables de decisión que aparecen en ellos
sólo toman valores enteros, por lo que realmente deben considerarse como
problemas de programación entera. El número de modelos lineales enteros y sus
métodos de solución es en la actualidad bastante extenso, lo que ha llevado a
hacerse una selección considerada de aquellos que sean más interesantes y que
aparecen con mayor frecuencia en la realidad.
Los problemas de programación lineal entera puros son problemas de
programación lineal en los que se exige que todas las variables del modelo sean
enteras. La resolución de este problema se obtiene analizando las posibles
alternativas de valores enteros de esas variables en un entorno alrededor de la
solución obtenida considerando las variables reales.
1.4.1 Modelos de optimización enteros

Por intereses prácticos de nuestra investigación, se abordan solo aquellos
problemas lineales en los cuales se les exige que todas las variables sean
enteras. Es por esta razón que se comenzará exponiendo la definición del
Problema de Programación Lineal en Enteros.
Dado el problema de programación lineal:
Max (o Min) f ( x) = cx
s. a. S1 = { x / Ax = b, x ≥ 0} (1.4.1.1)
donde A es una matriz de orden m x n , b es un vector de orden m y c es un vector
de n componentes. Se define un problema lineal en enteros (PLE), como:
Max (o Min) f ( x) = cx
17
s. a. S 2 = { x / Ax = b, x ≥ 0 entero} (1.4.1.2)
Ahora bien, teniendo en cuenta que la función objetivo y las restricciones son
lineales, podemos escribir el PLE de la siguiente forma:
n
Max o Min ∑ c j x j
j =1
n
s. a. ∑a
j =1
ij x j = bi i = 1,..., m (1.4.1.3)
x j ≥ 0 entero, j = 1,..., n
o lo que es lo mismo, en forma matricial:

Max cx
s. a. Ax = b (1.4.1.4)
x ≥ 0 entero .
Asumimos que en general todos los datos serán enteros. El problema (1.4.1.2)
es un problema de programación lineal entero puro.
1.4.2 Métodos y algoritmos de Programación Lineal Entera (PLE)

Para resolver los PLE podrían emplearse dos grupos de métodos:
a) Planos Cortantes: Los métodos de planos cortantes deben su nombre a la
idea geométrica que los sustenta la cual consiste en añadir al problema de
optimización continuo, bajo estudio, restricciones adicionales, de modo que
se reduzca el conjunto de soluciones posibles de dicho problema sin
eliminar ninguna solución del PLE, o sea, dar un corte. Utilizan la técnica
del Simplex como auxiliar para obtener una solución que además de ser
óptima sea entera. Dentro de los que se encuentran:
Gomory I
Gomory II
Corte Primal
b) Enumeración: realizan una exploración del conjunto de las soluciones
posibles en busca del óptimo, aprovechando para ello la estructura discreta
del conjunto, como son:
18
Branch and Bound (ramificación y acotación).

Enumeración lexicográfica.
Enumeración Implícita.
Vamos a describir brevemente el algoritmo enumerativo de Branch and Bound
y el algoritmo de corte Gomory I que fueron los utilizados para darle solución al
modelo construido en el capítulo siguiente.
Algoritmo Branch and Bound

Este algoritmo genera mediante el proceso de ramificación la separación del
conjunto S de soluciones admisibles del problema continuo inicial en subconjuntos
P
S j tales que: US j = S , y consecuentemente, genera un conjunto de problemas
j =1
Pj : Pj = Max{CX / X ∈ S j } j = 1, ..., P .
Algoritmo Branch and Bound

Paso 1: (Inicio)
Resolver el problema continuo (PC). Sea X 0 la Solución óptima del
PC.
Si X 0 es entera; es la solución óptima del problema
entero. FIN
~
Si X 0 no es entera, Z = −∞ (valor inicial de la cota
inferior), ir al Paso 3.
Paso 2:
a) Seleccionar un nuevo vértice V k e ir a b). Si no hubiera
vértices para analizar, entonces ir al Paso 5.
b) Resolver P k
Si Z ≥ Z~ ir al Paso 3. ( Z es el valor de la función
k k
objetivo para el problema P k en X k )
Si Z < Z~ tachar V k e ir al Paso 2 a).
k
Paso 3:
a) Sea X k solución óptima del P k .
~
Si X k es entera: CX k → Z (se actualiza la cota
inferior), X k → X (se guarda la posible solución
óptima) tachar Vk e Ir al Paso 2 a).
Si X k no es entera, ir al Paso 4.
19
b) S K = φ tachar Vk . Ir al Paso 2 a).

Paso 4: (Ramificación)
Se definen los problemas:
X j ≤ [ X kj ]; X j ≥ [ X kj ] + 1, X∈ Sk . Ir al Paso 2 b)
X k : la solución del continuo asociado al problema dado en Vk .
Sk : conjunto de soluciones posibles.
X kj : componente obtenida por el criterio de selección.
Paso 5: (Final)
~
Si Z = −∞ ⇒ no hay soluciones posibles.
En otro caso X es la solución óptima.
Algoritmo Gomory I
Como se había dicho anteriormente, este algoritmo utiliza la idea geométrica
que consiste en añadir al problema de optimización continuo bajo estudio,
restricciones adicionales, de modo que se reduzca el conjunto de soluciones
posibles de dicho problema sin eliminar ninguna solución del PLE, o sea, dar un
corte. En este caso se utiliza la expresión (1.4.2.1), es decir, la restricción
fundamental o corte fundamental [16].
∑ ⎜⎝ [h]yij − ⎡⎢⎣hyij ⎤⎥⎦ ⎟⎠x j ≥ [h]yio − [hyio ]

⎛ ⎞
(1.4.2.1)
j∈R
Cuando se le da a h diferentes valores en (1.4.2.1), se obtienen distintos tipos de
cortes. Haciendo h =1 , se obtiene:
∑ ⎜⎝ yij − ⎡⎢⎣ yij ⎤⎥⎦ ⎟⎠ x j ≥ yio − [yio ]

⎛ ⎞
j∈R
Tomando, y = ⎡ y ⎤ + f , es decir, el número como su parte entera más su parte

ij ⎣⎢ ij ⎥⎦ ij
fraccionaria, obtenemos:
∑ ⎜⎝ ⎡⎢⎣ yij ⎤⎥⎦ + fij − ⎡⎢⎣ yij ⎤⎥⎦ ⎟⎠ x j ≥ [yio ]+ fio − [yio ]
⎛ ⎞
j∈R
20
∑ f ij x j ≥ f io (1.4.2.2)
j∈R
o lo que es lo mismo:
S = − f io + ∑ f ij x j ; S ≥0
j∈R
De manera que la solución básica x es eliminada por la relación (1.4.2.2). Por lo

tanto, éste es el corte de Gomory I, a continuación se muestra el algoritmo.
Algoritmo Gomory I
Paso 1:
Resolver el PLC asociado. Si la solución es entera: FIN. De lo contrario
ir al Paso 2.
Paso 2:
Dada una componente xb i de valor no entero bi 0 , construir a partir de la
fila i el corte: S = − f
io
+ ∑ f x ; S ≥ 0 , e ir al Paso 3.
ij j
j∈R
Paso 3:
La restricción introducida afecta la primal posibilidad, no así la condición
Z j − c j ≥ 0 (o sea, la dual posibilidad) para todo j , por tanto se aplica el
Algoritmo Dual del Simplex, es decir:

a) Se determina la fila de la variable que sale de la base ( Si < 0 ):
fila S .
b) Se determina la columna de la variable que entra a la base, a
partir de:
Z k − Ck Z −C
j j
= Min tal que ylj > 0, j ∈ R (conjunto de variables no básicas)
y y
lk lj
c) El elemento pivote es el de la intersección de la fila l con la

columna k : yl k
Si la solución obtenida es entera: FIN, sino ir al Paso 2.
21
Conclusiones del capítulo

En el capítulo se abordaron aquellos fundamentos matemáticos básicos de la
Investigación de Operaciones y su metodología que se corresponden con la
modelación realizada en las cadenas de suministro de materias primas de la
nueva fábrica de cemento. En este sentido, se presentaron algunos elementos
básicos de la Teoría de Inventarios y de la Programación Lineal Entera que
posibilitan una mejor comprensión de la lógica empleada en dicha modelación, y
de la investigación en general.
22
Trabajo de Diploma……………………………………………….Rayner Manuel Sánchez Reyes
CAPÍTULO 2. Modelación Matemática de la Cadena de

Suministro de Materias Primas
Introducción al Capítulo
En el presente capítulo se define el problema matemático que se aborda en la
investigación, se presentan los datos recopilados para la construcción y
formulación de los modelos matemáticos. Se exponen además los modelos
construidos para la planificación y organización de la transportación en la cadena
de suministro, sustentados fundamentalmente en elementos de la Teoría de
Inventarios y Programación Lineal Entera.
2.1 Definición del problema y recolección de datos

La primera actividad que se llevó a cabo fue el estudio del sistema relevante y
el desarrollo de un resumen bien definido del problema a resolver. El anexo 1
muestra las diferentes materias primas a transportar (toba, corrector de hierro2,
yeso, petcoke y carbón), los orígenes de dichas materias primas, los centros de
carga y descarga, y los diferentes almacenes en la fábrica, es decir todo el
esquema de transportación. Es significativo señalar que cada camión a emplear
en la transportación de dichas materias primas cuesta alrededor de 149 780.00 €
(euros), por lo que resulta prioritario comprar la menor cantidad de camiones de
forma tal que se puedan transportar las cantidades de materias primas
demandadas para la fabricación de cemento de acuerdo a las exigencias propias
del sistema.
En el anexo 2 se muestran las restricciones fundamentales con relación a las
materias primas de interés, en cada caso se tiene en cuenta la necesidad anual, la
capacidad de almacenamiento, el consumo diario estimado, las distancias
significativas entre los diferentes vértices del sistema, el tiempo de carga y
descarga y el tiempo de viaje total (que incluye ida y vuelta) que está determinado
por la distancia desde el origen hasta el destino.
2
En lo adelante se utilizará indistintamente « hierro » y « material de hierro ».
23
Los diferentes costos de extracción o de compra de cada una de las materias

primas se muestran en el anexo 3. Finalmente, en el anexo 4 se muestran las
diferentes tarifas de transportación por tonelada para los diferentes modos de
transporte, desde cada origen a cada destino.
Teniendo en consideración la información relevante a la que se tuvo acceso,
fue posible concretar el problema y el objetivo de la investigación, así como las
interrelaciones del área bajo estudio con otras áreas de la organización, los
diferentes cursos de acción posibles, los límites de tiempo para tomar las
decisiones, todo estos aspectos posteriormente fueron extrapolados al proceso de
modelación matemática.
2.1.1 Precisión del problema y los objetivos

Del análisis de la problemática anterior surge el problema que se quiere
resolver: la necesidad de determinar la cantidad óptima de camiones necesarios
para llevar a cabo la transportación de ciertas materias primas para la elaboración
del cemento en toda la cadena de suministro, bajo la restricción prioritaria de que
no se rompan los inventarios de las mismas, minimizando los costos que
intervienen en todo el proceso.
Realmente el problema planteado es lo más general posible, pero para brindar
una solución del mismo hay que tener en cuenta otras restricciones
fundamentales, en especial aquellas que se relacionan con una buena
aproximación a la reducción de los costos globales los cuales intervienen en todo
el proceso de la cadena de suministro y juegan un papel importante para disminuir
los costos de producción de cemento.
Por tanto, el objetivo general que se persigue es la obtención de herramientas
de apoyo matemáticas para mejorar la gestión de las cadenas de suministros de
materias primas en la fábrica de cemento, que brinden un soporte científico a las
decisiones que deben tomarse en niveles tácticos y operativos del sistema.
Al concretar el objetivo de la investigación, se deben desarrollar las tareas
científicas derivadas de las siguientes interrogantes:
¿Qué metodología debe implementarse para optimizar los inventarios bajo
las restricciones del sistema?
24
¿Cómo puede realizarse una planificación del transporte al estimarse de

manera conjunta las políticas de inventarios de materias primas a lo largo
de una cadena de suministros?
De lo anterior se infiere la necesidad de llevar a cabo una modelación
matemática que tenga en consideración los aspectos esenciales en la cadena de
suministro de materias primas bajo las restricciones propias de dicho sistema. La
lógica empleada para dicha modelación se muestra en el anexo 5.
2.2 Modelos de inventarios con demanda promedio constante

Antes de pasar a mostrar el modelo que se empleó, se van a precisar algunas
hipótesis que se asumieron para el mismo, al considerar la información
suministrada por los especialistas con relación a los parámetros fundamentales de
los inventarios para las materias primas bajo estudio:
El retardo de reaprovisionamiento es casi constante, y sea t este lapso,
(ver Fig. 2.2.1).
Costo de almacenamiento proporcional al costo de compra y de
transportación (esta hipótesis se utilizó sólo en el modelo para la demanda
promedio constante con costo de almacenamiento proporcional al costo de
compra y de transportación [27, pp. 217-218]).
La demanda es aleatoria y su tasa media es constante. Se precisan dos
almacenes, ya sean físicamente o no, para constituir el inventario. Cuando
el primero haya agotado su existencia, se pasa al segundo y al mismo
tiempo se emite un pedido de reaprovisionamiento n , que será entregado
con el retardo t . Mientras se espera que llegue el reaprovisionamiento, es
el segundo almacén el que proporciona la materia prima y el que constituye
así un inventario de seguridad. (Este método es sólo aproximado puesto
que hay que admitir hipótesis de trabajo distintas para los inventarios de
cada uno de los almacenes [27, pp. 228-231]). Las ideas anteriores brindan
las bases para emplear los conceptos de punto de reorden y de inventario
de seguridad, pues constituyen una alternativa análoga.
Bajo las hipótesis anteriores se empleará un método aproximado, que permite
obtener un valor vecino al óptimo verdadero permitiendo el nivel mínimo de
25
reaprovisionamiento, teniendo en cuenta lo que hemos impuesto con respecto a la

escasez. Prácticamente el lapso t es una variable aleatoria, y el estudio analítico
se vuelve demasiado complicado siendo a menudo preferible determinar el óptimo
mediante simulación [27]. Además, debe señalarse que como lo que se está
llevando a cabo es un proyecto, no se tienen datos empíricos del comportamiento
de la demanda, sólo se cuenta con estimaciones de ciertos especialistas.
Fig. 2.2.1. TIEMPO DE REAPROVICIONAMIENTO CONSTANTE
2.2.1 Un modelo casi general para la demanda promedio constante

A continuación mostraremos el desarrollo de un modelo casi general para la
demanda promedio constante, el cual tuvo su desarrollo tomando como base la
función de costo, donde interviene la suma de todos los costos del proceso y dicha
función se hace mínima. El mismo brinda la posibilidad de obtener la cantidad
óptima a pedir de cada materia prima en todo el proceso de abastecimiento en la
cadena de suministro.
Definición de variables:
Cl = el costo de emisión de un lote (independiente del tamaño del lote), costo
constante;
Cs = costo de almacenamiento de una pieza por unidad de tiempo;
φ = periodo de producción anual;
26
N = número de toneladas para el período φ ;

n = número de toneladas en un lote de duración T ;
r = número de lotes en el periodo φ ;
Se asumió que los lotes comprenden un mismo número de piezas n . Entonces

surge la pregunta: ¿Cuál es el valor que hay que dar a n para que el costo total de
pedido y almacenamiento de las N toneladas sea mínimo?, lo anterior implica
determinar el número r de lotes, así como el periodo T de reaprovisionamiento
del inventario. Esta pregunta se hace extensiva para todas las materias primas
que se tienen en cuenta.
Para obtener a n se trabajará sobre la función mínima de costo, lo que
garantizará que su valor obtenido sea el óptimo. La administración de un
inventario en esas condiciones se parece a la administración de tipo I y de tipo II,
descrita en el capítulo anterior.
n
El nivel medio del inventario durante un periodo T es , como se puede
2
apreciar en la Fig. 2.2.1.1, el costo del almacenamiento durante este intervalo es
1
n Cs T . Así pues, el costo total para un lote es:
2
1
Cl + n T Cs (2.2.1.1)
2
Fig. 2.2.1.1. NIVEL MEDIO DE INVENTARIO
Por consiguiente como:
27
N φ
r= = (2.2.1.2)
n T
El costo total para el intervalo de tiempo φ es:
⎛ nT ⎞
Γ = ⎜ Cl + Cs ⎟ r (2.2.1.3)
⎝ 2 ⎠
⎛ nT ⎞ N
= ⎜ Cl + Cs ⎟
⎝ 2 ⎠n
NCl NT
= + Cs
n 2
NCl φ Cs
= + n
n 2
Se ha podido expresar Γ en función de la cantidad variable y de las otras
magnitudes conocidas N , φ , Cl y C s . Por lo tanto, la función de costo queda:
NCl φ Cs
Γ ( n) = + n (2.2.1.4)
n 2
N Cl
Si llamamos: Γl = (2.2.1.5)
n
el gasto total de emisión de un lote (independiente del tamaño del lote),
1
Γs = φ Cs n (2.2.1.6)
2
sería el gasto total de almacenamiento;
Se ve que Γl es inversamente proporcional a n , en tanto que Γs es proporcional
a n.
28
Fig. 2.2.1.2. VARIACIONES DE LOS COSTOS QUE INTERVIENEN EN LA CADENA DE SUMINISTRO
Representemos mediante una gráfica como muestra la Fig. 2.2.1.2 las

variaciones de Γl y de Γs . Se ve que la suma Γ(n) = Γl + Γs debe de tener un valor
mínimo para un cierto valor de n .

Ahora bien, sabemos que el mínimo de la suma de dos magnitudes variables
cuyo producto es constante, tiene lugar cuando esas magnitudes son iguales (esto
es un resultado directo de la derivación con respecto a n de la función Γ(n) ), en el
caso que nos ocupa:
1
Γl . Γs = Nφ Cl Cs = C te (2.2.1.7)
2
Así pues, el mínimo de Γl + Γs tiene lugar para
Γl = Γs , (2.2.1.8)
NCl φ Cs
o también = n; (2.2.1.9)
n 2
o sea
N Cl
n = n0 = 2 (2.2.1.10)
φ Cs
que es la cantidad económica buscada.
Se puede obtener una primera conclusión: el mínimo de la función económica
para la administración de un inventario tiene lugar cuando el costo total de emisión
es igual al costo total de almacenamiento.
29
Sustituyendo (2.2.1.10) en (2.2.1.2) obtenemos
φ Cl φ
T = T0 = = n0 (2.2.1.11)
N Cs N
donde T es el tiempo de duración de un lote de tamaño n .

Realmente, la forma más general de obtener la cantidad económica ( n ) es
NCl φ Cs
calculando los valores extremos de Γ(n) = + n , para lo cual primeramente
n 2
se deriva dicha función con respecto a n , obteniéndose en este caso
N Cl φ Cs
Γ′(n) = − + (2.2.1.12)
n2 2
Luego, se iguala a cero la primera derivada y se despeja n , siendo
N Cl
n = n0 = 2 , se puede chequear fácilmente que dicho valor es un
φ Cs
mínimo de la función de costo expresada en (2.2.1.4), tal como se esperaba.
El modelo analizado anteriormente no tiene en cuenta los costos de
transportación ni de compra para cada lote para cada tonelada de materia prima
de interés. Estos costos son fundamentales para determinar el tamaño de lote
óptimo para cada materia prima, por lo que es conveniente trabajar con otro
modelo donde sean considerados los mismos.
2.2.2 Modelo para la demanda promedio constante con costo de

almacenamiento proporcional al costo de compra y de transportación
Ahora vamos a analizar una situación semejante a la anterior, pero haciendo
intervenir en esta ocasión el costo de producción o el precio de compra de las
toneladas de materia prima (siendo proporcional este costo al de producción de un
lote), y además se tendrá en cuenta el costo de transportación de cada tonelada
de materia prima.
N = número de toneladas para el período φ ;
φ = periodo de producción anual;
30
n = número de toneladas en un lote de duración T;

Ca = precio de compra o costo de producción de una tonelada (sin tomar en
cuenta el costo fijo de un lote) y de la transportación (en tren y camión);

Ca = CTt + CTc + CMP , donde:
CTt = es el costo de transportar en tren una tonelada;
CTc = es el costo transportar en camión una tonelada;
CMP = es el costo de comprar una tonelada de materia prima;

Cb = costo fijo de un lote (independiente del tamaño del lote);
α = coeficiente de proporcionalidad entre el costo de almacenamiento por

toneladas y por unidad de tiempo, y el costo de emitir una tonelada que es
Cb
Ca + ;
n
A partir de las definiciones anteriores, se puede expresar
Cb
Cs = α (Ca + ) (2.2.2.1)
n
y Ct l = n Ca + Cb (2.2.2.2)
donde C t l es el costo total de emisión del lote;
Como tenemos que el costo total es:

1
Ct l + n T Cs (2.2.2.3)
2
Entonces sustituyendo (2.2.2.1) y (2.2.2.2) en (2.2.2.3) y haciendo un
procedimiento análogo al realizado con el modelo anterior, tenemos que la función
de costo viene dada por
1
Γ(n) = [n Cb + α T (n Ca + Cb )] r (2.2.2.4)
2
Γ ( n) = [ n Ca +
1
(α T ) n Ca + Cb + 1 α T Cb ] r (2.2.2.5)
2 2
donde r = número de lotes en el periodo φ ;
T n
Pero como = (2.2.2.6)
φ N
31
N
y r= (2.2.2.7)
n
Entonces sustituyendo (2.2.2.6) y (2.2.2.7) en (2.2.2.5) obtenemos:
α α α N
Γ(n) = NCa + φ Cb + n Cb + n φ Ca + Cb (2.2.2.8)
2 2 2 n
α
donde NCa + φ Cb es una cantidad independiente de n .
2
Por lo tanto derivando (2.2.2.8) con respecto a (n) se obtiene
α N α N
Γ′(n) = φ Ca − 2 Cb , luego igualando la primera derivada a cero, φ Ca − 2 Cb = 0
2 n 2 n
y despejando n obtenemos:
2 N Cb
n= (2.2.2.9)
α φ Ca
2 φ Cb
y por tanto T= (2.2.2.10)
α N Ca
Debe señalarse que en (2.2.2.8) para calcular la cantidad fija de pedido ( n ), los
faltantes se ignoraron y se supuso que la demanda es estadísticamente estable.
A pesar de que se obtuvieron la mayoría de los datos de interés por parte de la
empresa, no se pudieron obtener la totalidad de los mismos para el cálculo del
tamaño del lote, por lo que hubo que realizar ciertas inferencias imprescindibles
sobre los datos faltantes.
2.2.3 Cálculo del punto del reorden y del inventario de seguridad

Para calcular el punto de reorden ( R ) no existe una manera de encontrar el R
óptimo cuando no se conocen los costos de faltantes (como en nuestro caso), en
su lugar se usan los conceptos de: inventario de seguridad y nivel de servicio.
32
Fig. 2.2.3.1. SISTEMA GENERAL DE CANTIDAD FIJA DE REORDEN

La posibilidad de quedar sin artículos en el almacén existe solo durante el
tiempo de entrega. Podemos observar en la Fig. 2.2.3.1 que cuando el nivel de
inventario está arriba del punto de reorden, antes de colocar el pedido en R1 no
hay posibilidad de quedar sin existencias, cuando el nivel baja al punto de reorden
se coloca un pedido y comienza el período de entrega solamente durante los
períodos ( Te1 , Te 2 , Te3 ,…) en los cuales sí existe la posibilidad de que haya
faltantes. Para determinar el punto de reorden ( R ) solo es necesario conocer la

distribución de la demanda durante el período de entrega. Esto recibe el nombre
de demanda del tiempo de entrega, en la Fig. 2.2.3.2 se muestra un ejemplo.
Fig. 2.2.3.2. DISTRIBUCIÓN DE LA DEMANDA DEL TIEMPO DE ENTREGA
33
Aquí se muestra una distribución normal centrada en la demanda promedio del

tiempo de entrega dTe , donde d es la demanda diaria promedio y Te es el tiempo
de entrega. Si el punto de reorden se igual a la demanda diaria del tiempo de

entrega, el inventario que se tiene en el momento de recibir una orden será 0
(cero), en promedio. Pero la mitad de las veces será más que 0 (cero) y la mitad
de las veces será menos que cero, es decir, habrá faltantes. Como casi siempre
una posibilidad del 50% de quedar sin existencias es muy alta, se debe agregar un
inventario de seguridad, el efecto de dicho inventario se muestra en la Fig. 2.2.3.3.
Fig. 2.2.3.3. EFECTOS DEL INVENTARIO DE SEGURIDAD
El punto de reorden se incrementa para proporcionar mayor protección contra

los faltantes durante el tiempo o período de entrega, entonces la fórmula para el
punto de reorden ( R ) es
R = d Te + B (2.2.3.1)
donde R = punto de reorden;

d = demanda promedio en día;
B = inventario de seguridad;
Te = tiempo de entrega promedio en días, y se define por Te = Tc, d + Ttt + Tt c + ω
siendo ω = tiempo de llegada de seguridad;

Tc , d = tiempo de carga y descarga;
34
Ttt = tiempo de transportación en tren;
Tt c = tiempo de transportación en camiones;
Definir Te de esta forma implica prácticamente prescindir de la aleatoriedad en
los retardos aleatorios de las llegadas de los trenes y reduce la incertidumbre en la

planificación, es por ello que se lleva a cabo esta última de una forma casi
determinista, pues la probabilidad de que se rompa el convenio con la Empresa
Ferrocarriles de Cuba se supone que sea muy pequeña de acuerdo a una cláusula
acerca del pago por las pérdidas debidas al abastecimiento incompleto o de
retraso (o sea una penalización).
Para calcular el inventario de seguridad, se emplea el concepto de nivel de
servicio o nivel de confianza, que es la probabilidad de tener un artículo en
almacén cuando se necesite. Los niveles de servicio en general varían del 80 % al
99 %. Esto significa que la posibilidad de quedar sin artículos en el almacén varía
entre un 20% y 1 %. Una vez que se escoge el nivel de servicio, se determina la
cantidad de inventario de seguridad, como se muestra en la Fig. 2.2.3.4.
Con una tabla para la distribución normal, se encuentra el valor de Z que
corresponde al nivel de servicio deseado, para un nivel de servicio del 99 % el
valor de Z = 2.326348, precisamente dicho nivel fue el utilizado en nuestro caso
para obtener el inventario de seguridad para cada materia prima bajo estudio, y se
empleó la siguiente expresión para su cálculo
B=Zσ (2.2.3.2)
donde σ es la desviación estándar de la demanda durante el tiempo de entrega,
ya que en nuestro caso la desviación fluctúa en un 15%, dato obtenido por los
especialistas de la Empresa Mixta “Cemento Santiago de Cuba S.A.”.
35
Fig. 2.2.3.4. EMPLEO DEL INVENTARIO DE SEGURIDAD PARA EL CÁLCULO DEL PUNTO DE REORDEN
2.2.4 Inferencia de datos faltantes

El modelo obtenido en el epígrafe 2.2.2 exige de conocer ( α ) . Dado que se
está trabajando en el proyecto, es natural de que no se tengan datos empíricos
sobre ciertos subprocesos del sistema de la cadena de suministro que son
necesarios para poder tomar decisiones, es por ello que es meritorio inferir de la
forma más científica posible acerca de los mismos.
El costo de almacenamiento es desconocido, a pesar de ser uno de los costos
fundamentales que intervienen en la cadena de suministro, y ser fundamental para
determinar al coeficiente de proporcionalidad ( α ). A continuación se expone el
análisis desarrollado que posibilitó inferir dicho costo.
1
El costo de almacenamiento n T Cs lo podemos dividir en costo financiero y
2
en un costo que depende del valor de Ca . El costo financiero viene dado por la
Cb C
expresión α1 (Ca + ) , donde Ca + b , como se dijo anteriormente, constituye el
n n
costo de emitir una tonelada, y α1 puede interpretarse como el interés diario que
genera 1.00 CUC en una cuenta bancaria, para inferir dicho interés se muestra el
análisis que se realizó.
36
Si se deposita un capital V0 en una cuenta bancaria con interés compuesto
continuo y conocemos que el interés anual es K ′ = 0.06 . Sabemos que al
transcurrir un año el capital es V0 e365 K , donde K es el interés diario (que es
desconocido), es decir el capital inicial ha aumentado en (V0 e365 K − V0 ) . Ahora bien,
para el capital inicial de 1.00 CUC, al cabo de un año aumenta en ( e365 K − 1 ) , pero
dicho aumento es conocido e igual a K ′ = 0.06 , es decir
e365 K −1 = 0.06 (2.2.4.1)
Por otro lado, el desarrollo de e x en series de potencias alrededor de x = 0
x x 2 x3 xn
es e = 1 + + + + K + + K , en el desarrollo, las potencias de mayor orden
x
1! 2! 3! n!
tienden a cero mas rápido que las lineales, por lo que pueden hacerse
despreciables, es por ello que se utiliza una aproximación lineal, resultando
e x ≈ 1 + x , por lo tanto
e365 K ≈ 1 + 365 K (2.2.4.2)

0.06
Al sustituir (2.2.4.1) en (2.2.4.2) y despejar K se obtiene que K ≈ , donde
365
K es el interés aproximado diario, se obtiene una aproximación que algunos
autores la emplean como un método aproximado para la obtención de la tasa
conocido como ad valorem, que a pesar de ser muy usada en ocasiones se
desconoce su procedencia. Luego podemos concluir que α1 es igual a K .
Luego el costo que depende del valor de Ca viene dado por los costos de
almacenamiento, de mantenimiento o de posesión del stock, incluyen todos los

costos directamente relacionados con la titularidad de los inventarios tales como
los gastos del almacén, seguros, deterioros, pérdida y degradación de
mercancías. En este caso se hizo una valoración a partir de las recomendaciones
que brinda Marco Antonio DellÀgnolo [11], el cual brinda una estructura razonable
para la composición de la tasa en el almacenamiento que tiene en cuenta el tipo
de mercadería, de la actividad de almacenaje, esté gestionado por la empresa o
no, o de que la mercadería esté almacenada en régimen de depósito por parte del
37
proveedor o de que sean propiedad del fabricante. Atendiendo a los elementos

anteriores, en nuestro caso se arribó a la conclusión de que era plausible tomar
Ca α 2
α 2 = 1 en la expresión , que representa el 1% de Ca .
100
⎡ C C α ⎤
Luego se obtiene Cs = ⎢α1 (Ca + b ) + a 2 ⎥ (2.2.4.3)
⎣ n 100 ⎦
1
y como el costo de almacenamiento es n T Cs (2.2.4.4)
2
entonces sustituyendo (2.2.4.3) en (2.2.4.4) se puede reescribir el costo de
almacenamiento de la siguiente forma:
1 ⎡ C C α ⎤
n T ⎢α1 (Ca + b ) + a 2 ⎥ (2.2.4.5)
2 ⎣ n 100 ⎦
Resultando que:
1
n T Cs =
T
[ n Ca (100 α1 + α 2 ) + 100 α1 Cb ] (2.2.4.6)
2 200
Luego, retomando el costo total para el intervalo de tiempo φ dado en (2.2.2.3),
y utilizando el hecho de que Ctl = n Ca + Cb , se obtiene la siguiente función de
costo
1
Γ(n) = [n Ca + Cb + n T Cs )] r (2.2.4.7)
2
y al sustituir (2.2.4.6) en (2.2.4.7) la función de costo adopta la siguiente forma
⎡
Γ(n) = ⎢n Ca + Cb +
T
[ n Ca (100 α1 + α 2 ) + 100 α1 Cb ]⎤⎥ N , (2.2.4.8)
⎣ 200 ⎦ n
despejando T en (2.2.2.6) y sustituyendo su expresión en (2.2.4.8)
obtenemos
⎡ N Cb Cb + α1 n φ Ca ⎤
Γ ( n) = ⎢ Ca N + + + (100 α1 + α 2 )⎥ (2.2.4.9)
⎣ n 2 200 ⎦
y al derivar dicha función con respecto a n , como en los casos anteriores se
obtiene
200 N Cb
n = n0 = (2.2.4.10)
φ Ca (100 α1 + α 2 )
que es la cantidad económica buscada para esta situación.
38
100 α1 + α 2
Note que en (2.2.4.10) si se toma α = , se obtiene la expresión
100
(2.2.2.9) sin dificultad, lográndose una estimación para el valor α .
2.3 Obtención del PPLE para la planificación óptima del transporte

Después de obtener las expresiones matemáticas para obtener el tamaño
óptimo del lote, el punto de reorden y el inventario de seguridad, es necesario
determinar para cada día la cantidad mínima de camiones que se van a utilizar
para cada una de las materias primas.
Debe señalarse que los eventos más extremos en la transportación de materias
primas están dados por el arribo cinco veces al año de un barco con 20 000
toneladas de petcoke y un barco una vez al año con 20 000 toneladas de carbón.
Estas materias primas no se tuvieron en cuenta en el Problema de Programación
Lineal en Enteros (PPLE), pues para realizar la planificación del transporte por
camiones se determinó que para un barco con 20 000 toneladas (de carbón o de
petcoke) son suficientes 9 camiones trabajando 20 horas efectivas durante 4 días,
para que transporten toda la materia prima a los almacenes de la fábrica.
A continuación se plantea el PPLE genérico.
Definición de parámetros:
i =1... I , donde I denota la cantidad de materias primas;
j = 1... J i , donde J i denota la cantidad de días en que se puede cargar la
materia prima i ;
Tvi = tiempo de viaje total (ida y vuelta) para la materia prima i (parámetro
conocido);
ni = cantidad de toneladas de un lote de materia prima i (parámetro conocido a
partir del cálculo del tamaño óptimo del lote);

Tcdi = tiempo de carga y descarga de la materia prima i (parámetro conocido
según la tecnología aplicada);

Ct = capacidad técnica del camión (parámetro conocido, 30 toneladas)
39
Efic = eficiencia neta del tiempo disponible en la jornada laboral diaria

0 ≤ Efic ≤ 1 (según los especialistas valoran que Efic = 0.85 )
Ttd i = tiempo de trabajo diario máximo disponible para cargar la materia prima
i (en el caso de que i = 1, 2 , petcoke y carbón respectivamente, es de 24

horas, el resto de las materias primas es de 12 horas)
Ci j = cantidad de camiones para cargar la materia prima i el día j (estas son
las variables de interés del problema de optimización entero)
Formulación del modelo:

I Ji
Función objetivo: Min Z = ∑∑ Ci j (2.3.1)
i =1 j =1
ni * (Tvi + Tcd i ) *100

Ji
s.a. ∑ Ci j ≥ Ct * Ttd i * Efic
, para i fija, i =1... I (2.3.2)
j =1
⎡ ni * (Tvi + Tcdi ) *100 ⎤

⎢ Ct * Ttd * Efic ⎥
Ci j ≥ ⎢ i
⎥ , i = 1... I , j = 1... J i (2.3.3)
⎢ Ji ⎥
⎢⎣ ⎥⎦
⎡ ni * (Tvi + Tcd i ) *100 ⎤

⎢ Ct * Ttd * Efic ⎥
Ci j ≤ ⎢ i
⎥ +1 , i = 1... I , j = 1...J i (2.3.4)
⎢ J i ⎥
⎢⎣ ⎥⎦
I
∑ Ci j ≤ M , para cada valor i , y j cualquiera donde j = 1... J i (2.3.5)
i =1
Ci j ≥ 0 i = 1... I , j = 1... J i (2.3.6)
Ci j entero i = 1... I , j = 1... J i (2.3.7)
En el modelo la restricción (2.3.1) implica minimizar la cantidad total de

camiones a emplear, (2.3.2) asegura que para cada materia prima i se transporte
40
el tamaño del lote en los días disponibles J i . Las restricciones (2.3.3) y (2.3.4)
posibilitan distribuir lo más homogéneamente la cantidad de camiones a utilizar

para cada materia prima en cada día disponible para la transportación, de esta
forma se posibilita utilizar menor cantidad de camiones, los corchetes []
empleados representan la parte entera de la expresión que está dentro de los
mismos. Las restricciones expresadas en (2.3.5) posibilitan controlar el número de
camiones a utilizar diariamente cuando hay intersecciones en la transportación por
camiones, el término independiente M de dichas restricciones en nuestro caso es
M = 9 , pues es el resultado de utilizar una cota global impuesta por el proceso
más crítico del sistema, que consiste en descargar 20 000 t desde un barco en
sólo 4 días (por exigencia del puerto). Se concluyó que para realizar esta tarea
crítica se necesitan sólo 9 camiones (se utilizó la expresión 2.3.2 para realizar los
cálculos), por lo tanto, si el problema tuviese solución admisible para todas las
intersecciones en el periodo a planificar, entonces el mínimo de camiones sería
M = 9 , en caso contrario hay que relajar más esta restricción. Finalmente, (2.3.6)
implica la no negatividad de las variables y (2.3.7) que la solución obtenida debe
ser entera (cantidad de camiones).
Conclusiones del Capítulo

En el desarrollo del capítulo se formularon dos modelos matemáticos
pertenecientes a la teoría de inventario que permiten determinar el tamaño óptimo
del lote, el punto de reorden y el inventario de seguridad para cada una de las
materias primas de interés. Dichos modelos están condicionados a los datos y
restricciones propias del sistema, y a la inferencia de los datos faltantes.
Finalmente, se construyó el PPLE, el cual permite la distribución mínima de
camiones para transportar las materias primas, tomando en consideración las
restricciones impuestas por los modelos de inventarios, cuya solución se obtendrá
en el capítulo siguiente.
41
CAPÍTULO 3. Planificación del reaprovisionamiento de las

materias primas en la cadena de suministro
Introducción al Capítulo
En este capítulo se da cumplimiento a las etapas 3, 4 y 5 de la metodología de
la investigación de operaciones empleada. Se obtienen las soluciones de los
modelos de inventarios descritos en el capítulo anterior. Posteriormente, se
obtiene una solución óptima a partir del PPLE construido para la planificación y
organización de la transportación en la cadena de suministro, empleando ciertos
algoritmos de Programación Lineal Entera y apoyados por el software PLEC++. Se
brindan evidencias de la estabilidad de la solución obtenida mediante el análisis de
sensibilidad y mediante una simulación de las demandas en los modelos de
inventarios. Finalmente, se le propone a la empresa la implementación de la
solución obtenida a partir de un conjunto de recomendaciones.
3.1 Obtención de una solución a partir de los modelos, prueba del modelo
y de su solución
Para determinar el tamaño óptimo del lote para cada materia prima (cuánto
pedir) se empleó la expresión (2.2.4.10), los resultados de los cálculos realizados
se muestran en la Tabla 3.1.1. En dicha tabla, la primera columna muestra las
materias primas que intervienen en la cadena de suministro (ver anexo 1), en la
segunda columna aparecen los valores de los parámetros utilizados para el
cálculo del tamaño del lote, definidos en el capítulo anterior, dichos valores están
expresados en los anexos 3 y 4. En el caso de Cb se obtuvo a partir de
estimaciones de los especialistas teniendo en cuenta experiencias obtenidas en la

fabricación de cemento en nuestro país. En el caso de α1 , se determinó en el
0.06
capítulo anterior mediante la aproximación K ≈ , mientras que α 2 como se
365
dijo anteriormente, se infirió a partir de las recomendaciones que brinda Marco
Antonio DellÀgnolo en [11]. Mientras que la tercera columna brinda el valor
numérico del tamaño del lote.
42
Es importante señalar que a la materia prima petcoke se le implantó una

cantidad invariable de reaprovisionamiento en periodos fijos, ya que como este
material es importado se tiene establecido 5 viajes al año, según la planificación
de la empresa, lo cual implica, como es natural, traer la capacidad completa del
barco (20 000 toneladas). De esta forma se satisface la necesidad de consumo
anual de esta materia prima, tal como se muestra en el anexo 2. El
reaprovisionamiento del carbón, por su parte, es una vez al año, ya que su
necesidad anual coincide con la capacidad del barco (20 000 toneladas), por lo
que se decidió planificar su único reaprovisionamiento anual al inicio de la
producción.
Parámetros Tamaño
Materias del lote
Primas
N (ton) Cb (CUC ) φ (días ) α1 (%) Ca (CUC ) α 2 (%) n (ton)
Hierro 25 000 700 313 0.0002 17.7 1 788
Toba 40 000 600 313 0.0002 15.75 1 978
Yeso 70 000 1 400 313 0.0002 23.57 1 1616
Petcoke 100 000 ---- 313 ---- ---- ---- 20 000
Carbón 20 000 ---- 313 ---- ---- ---- 20 000
Tabla 3.1.1. CÁLCULO DEL TAMAÑO DEL LOTE ( CUÁNTO PEDIR )
Para determinar el punto de reorden (cuándo pedir), se utilizó la expresión

(2.2.3.1), previamente se utilizó (2.2.3.2) para establecer el inventario de
seguridad que permitirá que cualquier retraso estadísticamente permisible no
rompa el inventario. Lo expuesto anteriormente se visualiza en la Tabla 3.1.2, en
su primera columna principal se exponen las mismas materias primas de la Tabla
3.1.1, en la segunda se encuentran los valores de los parámetros ( Z y σ )
definidos en el epígrafe 2.2.3, que son necesarios para calcular el inventario de
seguridad (los valores numéricos se muestra en la tercera columna).
Los parámetros para determinar el punto de reorden (el tiempo de entrega ( Te )
definido en el epígrafe 2.2.3 y la demanda promedio diaria ( d ) que viene dada en

el anexo 2,) se presentan en la cuarta columna principal. En la quinta se muestra
el valor numérico (en toneladas) del punto de reorden, y en la sexta, la
43
equivalencia aproximada (en días) que demora el tamaño del lote reaprovisionado
en alcanzar el punto de reorden. Los materiales petcoke y carbón no se incluyen
en esta tabla porque, como se explicó anteriormente, su reaprovisionamiento se
lleva a cabo en periodos constantes con reaprovisionamientos fijos que obedecen
a otras restricciones del sistema, y por tanto, se realizan con otra lógica.
Inventario Punto Equivalencias

parámetros de parámetros de en días con
Materias
Seguridad reorden relación al
Primas
punto de
Z σ (ton) B (ton ) Te (días ) d (ton) R (ton)
reorden
Hierro 2.326348 12 27.96 6 80 808 3
Toba 2.326348 19.2 44.736 6 128 813 1
Yeso 2.326348 33.6 78.288 6 224 1423 0
Tabla 3.1.2. CÁLCULO DEL PUNTO DE REORDEN ( CUÁNDO PEDIR )
La Tabla 3.1.3 fue confeccionada a través de los diferentes parámetros que

intervienen en la restricción (2.3.2) del modelo de PPLE, esta restricción asegura
que para cada materia prima i se transporte el tamaño del lote en los días
disponibles J i .
Parámetro Mínimo de
camiones
Materias requeridos
Primas ni (ton ) Tvi (h) Tcdi (h) Ct (ton) Ttd i (h) Efic (%) Ji
∑ Ci j ≥
j =1
Hierro 788 1 0.5 30 12 85 4
Toba 978 3.2 0.5 30 12 85 12
Yeso 1616 1 0.5 30 12 85 8
Petcoke 20 000 0.6 0.5 30 24 85 36
Carbón 20 000 0.6 0.5 30 24 85 36
Tabla 3.1.3. REQUERIMIENTOS DE LA CANTIDAD DE CAMIONES PARA LA TRANSPORTACIÓN DE LOTES
En la primera columna principal se muestran las diferentes materias primas que

intervienen en el PPLE. En la segunda, se exponen las cantidades de toneladas a
pedir para cada una de las materias primas (obtenidas mediante la ecuación
2.2.4.10), el tiempo de viaje (incluye ida y vuelta, la distancia desde el origen hasta
el destino, la velocidad promedio de los camiones), el tiempo de carga y descarga
de las materias primas y la capacidad técnica del camión; todos estos datos se
44
muestran en el anexo 2. En esta columna principal se presenta además el tiempo

de trabajo diario y la eficiencia de dicho trabajo, datos brindados por la empresa.
La tercera columna ofrece los términos independientes de (2.3.2), que es la
cantidad total mínima de camiones a utilizar para transportar el tamaño del lote
obtenido. Debe destacarse que se consideró que j = 1..3 para las tres primeras
materias primas que se muestran en la Tabla 3.1.3, pues 3 es la mayor cantidad
de días permisibles de un lote en el Dajao, de acuerdo al criterio de los
especialistas (para el caso del yeso y el hierro), y se decidió para el caso de la
transportación de la toba emplear el mismo tiempo para tener los tiempos
homogéneos. Como se explicó anteriormente en el capítulo 2, se utilizó una cota
global para la cantidad de camiones M = 9. Para determinar si realmente la
cantidad óptima de camiones es igual a la cota global anteriormente señalada, se
procedió a sustituir toda la información obtenida y las condiciones de los modelos
de inventario en los diferentes parámetros obtenidos en el epígrafe 2.3. del PPLE
genérico, lográndose el PPLE concreto que se muestra a continuación.
Función objetivo:
0 Min Z = C11 + C12 + C13 + C21 + C2 2 + C2 3 + C31 + C3 2 + C3 3

s.a. (restricciones):
1 C11 + C1 2 + C13 ≥ 4 13 C11 ≤ 2 25 C11 + C2 2 + C31 ≤ 9 37 C1 2 + C2 3 + C31 ≤ 9
2 C21 + C2 2 + C2 3 ≥ 12 14 C1 2 ≤ 2 26 C11 + C2 2 + C3 2 ≤ 9 38 C1 2 + C2 3 + C3 2 ≤ 9
3 C31 + C3 2 + C3 3 ≥ 8 15 C13 ≤ 2 27 C11 + C2 2 + C3 .3 ≤ 9 39 C1 2 + C2 3 + C3 3 ≤ 9
4 C11 ≥ 1 16 C21 ≤ 5 28 C11 + C2 3 + C31 ≤ 9 40 C13 + C21 + C31 ≤ 9
5 C1 2 ≥ 1 17 C2 2 ≤ 5 29 C11 + C2 3 + C3 2 ≤ 9 41 C13 + C21 + C3 2 ≤ 9
6 C13 ≥ 1 18 C2 3 ≤ 5 30 C11 + C2 3 + C3 3 ≤ 9 42 C13 + C21 + C3 3 ≤ 9
7 C21 ≥ 4 19 C31 ≤ 3 31 C1 2 + C21 + C31 ≤ 9 43 C13 + C2 2 + C31 ≤ 9
8 C2 2 ≥ 4 20 C3 2 ≤ 3 32 C1 2 + C21 + C3 2 ≤ 9 44 C13 + C2 2 + C3 2 ≤ 9
9 C2 3 ≥ 4 21 C3 3 ≤ 3 33 C1 2 + C21 + C3 2 ≤ 9 45 C1 3 + C2 2 + C3 3 ≤ 9
10 C31 ≥ 2 22 C11 + C21 + C31 ≤ 9 34 C1 2 + C2 2 + C31 ≤ 9 46 C13 + C2 3 + C31 ≤ 9
11 C3 2 ≥ 2 23 C11 + C21 + C3 2 ≤ 9 35 C12 + C 2 2 + C3 2 ≤ 9 47 C13 + C2 3 + C3 2 ≤ 9
12 C3 3 ≥ 2 24 C11 + C21 + C3 3 ≤ 9 36 C1 2 + C2 2 + C3 3 ≤ 9 48 C13 + C2 3 + C3 3 ≤ 9
45
Debe notarse que las restricciones del PPLE genérico planteado en el epígrafe
2.3 se relacionan con las del PPLE concreto de la siguiente forma:
Restricción 2.3.1 con la 0
Restricción 2.3.2 con la 1, 2, 3
Restricción 2.3.3 con la 4,…, 12
Restricción 2.3.4 con la 13,…, 21
Restricción 2.3.5 con las restricciones 22,…, 48.
Para encontrar la solución del PPLE anterior, se empleó el software PLEC++

“Programación Lineal y Entera en C++”, desarrollado por el Dr. Mijail Borges
Quintana (profesor del Departamento de Matemática de la Universidad de
Oriente). Este software es un sistema computacional que trabaja con aritmética
racional exacta para resolver problemas de Programación Lineal y Lineal Entera.
Cuenta con varios métodos, los de mayor interés para nuestro propósito son el
Gomory I y el Branch and Bound.
La tabla señalada en el anexo 6 muestra una salida correspondiente a la
solución del PPLE concreto mediante el software PLEC++, una vez empleado el
algoritmo Gomory I, y debe especificarse que las variables que se muestran en
dicho anexo se relacionan con las variables de dicho PPLE de la siguiente forma:
C11 = x1 C2 1 = x 4 C31 = x7
C1 2 = x 2 Hierro C2 2 = x 5 Toba C3 2 = x8 Yeso
C13 = x3 C2 3 = x 6 C3 3 = x9
Debe notarse que las restricciones 22,…, 48 del PPLE concreto, no sólo
evalúan las intersecciones de transportación por camiones en ciertos días
específicos, más bien, evalúan todas las posibles intersecciones en las que
pudieran intervenir las tres materias primas en cualquier situación de la práctica.
Existe una alternativa para reducir el número de restricciones si se utilizan algunas
ideas básicas de postoptimización, se puede resolver el PPLE concreto para una
intersección cualquiera, utilizando la solución óptima encontrada para determinar
si la nueva restricción asociada mantiene (conserva) o no dicha solución. Debe
señalarse que el análisis de sensibilidad no sólo logra encontrar la nueva solución
46
óptima partiendo de la solución óptima actual, sino que muchas veces ayuda a
profundizar en los efectos sobre la solución óptima actual a partir de cambios
realizados en el problema.
Desde la perspectiva anterior, la Tabla 3.1.4 muestra la solución obtenida para
el PPLE concreto para un caso extremo (se utilizaron solamente las restricciones
1,…22, 35 y 48) en el cual existe intersección en los tres días disponibles en que
serán transportadas por camiones las materias primas hierro, toba y yeso, para
este caso son suficientes 9 camiones. Puede chequearse fácilmente que la
solución óptima hallada de esta forma satisface las restricciones del PPLE
concreto (de la 1 a la 48), por lo tanto, la solución encontrada es estable. Debe
señalarse además que cualquier otra intersección posible en la transportación de
materias primas también puede resolverse a partir de esta solución encontrada
(siempre que se mantenga el conjunto de restricciones actual sobre los
parámetros esenciales del sistema), lo que hace a la solución aún más estable.
El análisis anterior sirvió de base para realizar la planificación dinámica para la
cadena de suministros (ver anexos 7 y 8), más adelante, se brindan más detalles
de esta planificación.
Cantidad de camiones por día de transportación Total de

Materias Primas Camiones por
día 1 día 2 día 3
materia prima
Hierro 2 1 1 4
Toba 4 4 4 12
Yeso 3 3 2 8
Cantidad máxima de
camiones a utilizar por 9 8 7 ---
día de transportación
Tabla 3.1.4. SOLUCIONES OBTENIDAS PARA EL PPLE
3.1.1 Establecimiento de controles sobre la solución del modelo

matemático
Como se analizó anteriormente, la solución encontrada es estable, en el
sentido de posibilitar que cualquier intersección en la transportación por camiones
de las materias primas hierro, yeso y toba puede ser resuelta con 9 camiones.
47
En este sentido, con el objetivo de profundizar en el análisis de la solución

encontrada, se generaron las demandas aleatorias con distribución normal para
cada una de las materias primas hierro, yeso y toba, y con ayuda del software
MATLAB 6.5. La desviación estándar de las demandas de dichas materias primas
están dadas en la segunda columna principal de la Tabla 3.1.2, y la
representación gráfica de las mismas se muestra en los anexos 9, 10 y 11.
Lo anterior permitió simular la evolución del inventario dentro de la cadena de
suministro, para corroborar si en la planificación realizada existe o no la posibilidad
de ruptura del inventario. Se emplearon para esto, los tamaños de los lotes
mostrados en la Tabla 3.1.1, así como de los puntos de reordenes y del tiempo de
entrega para las materias primas hierro, yeso y toba.
En los anexos 12, 13 y 14 se puede apreciar una de las corridas para cada
una de las materias primas bajo estudio. En las diferentes corridas que se
realizaron, de acuerdo a la planificación concebida, no ocurrieron faltantes de
materias primas en los almacenes, lo cual brinda evidencia a favor de una política
acertada con relación a la posibilidad de una producción continua de cemento.
Debe señalarse que para realizar la simulación, como no se tienen datos
empíricos, se asumió que la demanda de las materias primas hierro, yeso y toba
se distribuyen normal, pues en varias de las literaturas consultadas esa es la
distribución empleada [27], [21]. Lo anterior no garantiza que cuando se empiece
la producción de cemento las demandas posean un comportamiento de tal
naturaleza, por lo tanto, el análisis realizado sólo tendría sentido en el caso que
dichas demandas sí tengan tal comportamiento.
Es significativo señalar, como se había comentado anteriormente, que una
estimación preeliminar realizada por los especialistas de la Empresa Mixta
“Cemento Santiago de Cuba S.A.” arrojó que era necesario disponer de un total de
30 camiones para el reaprovisionamiento de las materias primas hacia la fábrica
de cemento, mientras que la solución que se propone en el presente trabajo sólo
necesita de 9 camiones en disponibilidad técnica (DT), que es la cantidad óptima
para transportar cualquiera de las materias según la planificación realizada y bajo
las restricciones permisibles del sistema. Además, no siempre deben trabajar los 9
48
camiones en DT los días que hay que transportar materias primas, lo que brinda
posibilidades para el mantenimiento de los mismos, o para su uso en otras
actividades, como podría ser el caso de la transportación de cemento elaborado.
Se utilizó el término disponibilidad técnica para los camiones, pues hay
momentos en la planificación de la transportación de materias primas que
demandan de los 9 camiones, y en el caso de una rotura en uno de ellos, no se
cumplirían las exigencias de reaprovisionamiento. Por esta razón, al consultar a
los especialistas en transportación del CIT, se arribó a la conclusión de que era
necesario disponer de un camión más, es decir, un total de 10 camiones.
Debe señalarse que en el anexo especial confeccionado en el software
Microsoft Excel, se brinda la planificación dinámica para la cadena de suministros
que se divide en dos etapas fundamentales, la primera antes de comenzar la
producción, se basa en el aprovisionamiento de los almacenes de la fábrica para
poder iniciar la producción, esta etapa se puede llevar a cabo sólo en 16 días,
como se muestra en el anexo 7; la segunda y de mayor peso, comprende 313
días de producción, por ser la cantidad de días de producción de la fábrica
anualmente, como se muestra parcialmente en el anexo 8, y es en esta etapa
donde se tiene concebido que se implementen los resultados obtenidos y
probados en los modelos, es decir, son utilizados para poder llevar a cabo la
planificación del reaprovisionamiento de los materiales en la cadena de
suministros.
Es preciso señalar que en el anexo especial se muestra que en los últimos
cuatro reaprovisionamientos de petcoke, y tomando como referencia a los
modelos de inventarios utilizados, se esperaba que hubiese intersecciones con al
menos una de las materias primas hierro, yeso y toba. Es por esta razón, que
hubo que desplazar en el tiempo (hacia adelante o atrás) la transportación por
camiones de estas últimas materias primas mencionadas, de esta forma se logró
hacer una planificación que respetara los márgenes de tiempos para realizar los
procesos críticos de transportación por camiones. Por ejemplo, en el anexo 8
(esta situación está contenida también en el anexo especial), se muestra que el
día 64 sólo debe transportar se por camiones la materia prima petcoke, y de
49
acuerdo a los modelos de inventarios, debió haberse planificado además la

transportación de yeso y toba, esta situación se resolvió haciendo un corrimiento
de un día hacia delante con relación a la transportación de dichas materias primas,
y trajo consigo que el día 67 hubiese un reordenamiento y transportación por
camiones para las mismas. Con heurísticas análogas fueron resueltas las otras
tres intersecciones, posibilitando que las restricciones fundamentales del sistema
se cumplieran.
3.1.2 Implantación de la solución del modelo matemático
Al considerar la política de reaprovisionamiento empleada en la cadena de

suministro y los parámetros descritos en la Tabla 3.1.1, se pudo evaluar el costo
de esta política mediante la ecuación (2.2.4.9), como se muestra en la Tabla 3.1.5.
En esta última tabla se exponen las diferentes materias primas que intervienen en
la cadena de suministro y sus costos relacionados con la política empleada, los
mismos son: el de almacenamiento, su expresión analítica se muestra en la
ecuación (2.2.4.3); la de compra de cada tonelada de materia prima, los valores
numéricos están en el anexo 3; el de transportación, empleando ferrocarril,
cabotaje, o transporte automotor, aparece en el anexo 4; y el costo fijo de un lote
independiente del tamaño del lote, que incluye la preparación para la
transportación, que comprende las formas de comunicación de información, así
como la recepción, carga y descarga, movimiento de materias primas y otros
aspectos independientes de la cantidad a reaprovisionar, es decir, el costo total de
emisión del lote.
En la Tabla 3.1.5 se presenta además el costo total de comprar los 10
camiones que se emplearán para la transportación de las materias primas, donde
el costo de cada camión fue dado por la empresa y fue mostrado en el epígrafe
2.1. Finalmente, se muestra el costo total de la política de reaprovisionamiento,
este costo resulta de gran valor para tomar decisiones importantes por parte de la
directiva de la empresa con relación a la política subyacente.
Una vez inferidos los costos de la política de la cadena de suministros,
podemos asegurar que dicha política reduce la estimación realizada por los
50
especialistas de la Empresa Mixta “Cemento Santiago de Cuba S.A.” de 30

camiones a sólo 10, dejándose de invertir innecesariamente 3 864 324.00 CUC,
este capital podría ser utilizado en otras inversiones de la nueva fábrica de
cemento.
Materias Primas y Camiones Costo Política de la Reaprovisionamiento

Hierro 618204.11 CUC
Toba 823885.25 CUC
Yeso 2144996.49 CUC
Petcoke 8989103.82 CUC
Carbón 1566621.91 CUC
total de camiones 1 497 800.00 €4 (1932162.00 CUC)
Costo Total 16 074 973.58 CUC
Tabla 3.1.5. COSTOS RELEVANTES DE LA POLÍTICA DE REAPROVISIONAMIENTO.
A continuación se brindan recomendaciones a la Empresa Mixta “Cemento

Santiago de Cuba S.A.” para viabilizar la eficiencia del funcionamiento de las
cadenas de suministro.
I. Se sugiere comprar 10 camiones semirremolque con volteo y capacidad
técnica de 30 toneladas o levemente superior.
II. Emplear la planificación que aparece en el anexo especial en Microsoft
Excel para llevar a cabo el reaprovisionamiento preeliminar para iniciar la
producción (16 días) y durante la producción (313 días) que incluye:
Cuánto pedir, cuándo pedir y cuándo reordenar con relación a las
materias primas corrector de hierro, yeso y toba.
La cantidad mínima diaria de camiones a utilizar para la transportación
de cada materia prima. Así como, cuántos camiones no se utilizan
diariamente, lo que permite emplear los mismos en otras actividades,
4
Para obtener el costo total se convirtió el € en CUC a una tasa de 1€ equivalente a 1.2921 CUC, se consultó el 22 de
mayo de 2009 el sitio web oficial del Banco Central de Cuba disponible en:
http://www.bc.gov.cu/Espanol/billetes_convertibles.asp
51
por ejemplo, en la transportación de cemento y clínker5, o en

prestaciones de servicios a otras empresas del territorio.
III. Recoger información al comenzar la producción de cemento con relación a:

Los tiempo de carga y descarga de las diferentes materias primas, los
tiempos de transportación de los camiones y trenes desde cada uno
de los orígenes hasta los correspondientes destinos. Dichos tiempos
permitirán estimar con mayor exactitud los tiempos de
reaprovisionamiento y el punto de reorden para cada materia prima.
El costo de almacenamiento para cada materia prima, teniendo en
cuenta todos los factores que intervienen en este costo, así como el
costo de emisión de un lote ( independiente del tamaño del lote ), para
cada una de las materias primas que intervienen en la cadena de
suministro. Dichos costos permiten precisar el tamaño de los lotes de
forma más cercana al valor óptimo teórico.
El comportamiento de la demanda diaria para cada una de las materias
primas, permite estimar con mayor precisión el punto de reorden.
La eficiencia real del aprovechamiento de la jornada laboral con
relación al empleo de los camiones. Esta información es necesaria
para determinar la cantidad de viajes máximos que puede dar un
camión a cualquiera de los destinos.
IV. La evaluación general de la política de planificación de la cadena de
suministros para cada materia prima, donde se describan las fortalezas y
debilidades de la misma.
Conclusiones del Capítulo

En este capítulo se mostraron las soluciones del modelo de inventario y del
PPLE, determinando la cantidad mínima de camiones para transportar las
materias primas (un total de 10 camiones). Se asumió el supuesto de normalidad
para las demandas de las materias primas hierro, yeso y toba, lo que posibilitó
5
El clínker es una mezcla intermedia que se obtiene en el proceso de elaboración de cemento que puede ser
exportado.
52
mediante la simulación analizar el comportamiento de las mismas y obtener

evidencias de no ruptura de los inventarios. Además, se brindaron evidencias de la
estabilidad de la solución obtenida mediante el análisis de sensibilidad y la
simulación de las demandas en los modelos de inventarios. Asimismo, se estimó
el costo de la política empleada en la cadena de reaprovisionamiento y se redujo
la cantidad de camiones estimada por los especialistas de la Empresa Mixta
“Cemento Santiago de Cuba S.A.” de 30 camiones a sólo 10, dejándose de invertir
innecesariamente 3 864 324.00 CUC, lo que puede ser utilizado en otras
inversiones. Finalmente, se le propone a la empresa la implementación de la
solución obtenida a partir de un conjunto de recomendaciones para viabilizar la
política que se sugiere y darle seguimiento a la misma con mayor eficiencia y
racionalidad.
53
CONCLUSIONES
En el presente trabajo se estudiaron los fundamentos matemáticos básicos de

la Investigación de Operaciones y su metodología como base para la modelación
matemática realizada en las cadenas de suministro de materias primas de la
nueva fábrica de cemento. En esta dirección, se presentaron algunos elementos
básicos de la Teoría de Inventarios y de Programación Lineal Entera (PLE) que
posibilitan una mejor comprensión de la lógica empleada en dicha modelación, y
en la investigación en general.
Se formuló un modelo matemático perteneciente a la Teoría de Inventarios que
permite determinar el tamaño óptimo del lote, el punto de reorden y el inventario
de seguridad para cada una de las materias primas de interés. Dicho modelo está
condicionado a los datos y restricciones propias del sistema, y a la inferencia de
los datos faltantes. Posteriormente, se construyó un PPLE que permite la
distribución mínima de camiones para transportar las materias primas (un total de
10 camiones), tomando en consideración las restricciones impuestas por los
modelos de inventarios y otros parámetros del sistema.
Son encontradas las soluciones de los modelos de inventarios y del PPLE
construido con ayuda del software PLEC++. Se asumió el supuesto de normalidad
para las demandas de las materias primas hierro, toba y yeso lo que posibilitó
realizar simulaciones del comportamiento de las mismas y obtener evidencias
favorables a la no ruptura de los inventarios. Además, se estudia la estabilidad de
la solución obtenida mediante el PPLE y se analizan elementos de su sensibilidad.
Asimismo, se estimó el costo de la política empleada en la cadena de
reaprovisionamiento y se redujo la estimación realizada por los especialistas de la
Empresa Mixta “Cemento Santiago de Cuba S.A.” de 30 camiones a sólo 10,
dejándose de invertir innecesariamente 3 864 324. 00 CUC que pueden ser
utilizados en otras inversiones. Se propuso a la empresa la implementación de la
solución obtenida a partir de un conjunto de recomendaciones para viabilizar la
política que se sugiere y darle seguimiento a la misma con mayor eficiencia y
racionalidad.
54
De forma general puede concluirse que la metodología empleada y las

herramientas matemáticas utilizadas, para el estudio de las cadenas de
suministros de materias primas en la nueva fábrica de cemento que se instalará en
Santiago de Cuba, brindan un soporte científico a las decisiones que deben
tomarse en niveles tácticos y operativos del sistema.
55
RECOMENDACIONES
Se propone emplear por parte de la Empresa Mixta “Cemento Santiago de

Cuba S.A” la planificación para la cadena de suministros que se adjunta en el
anexo especial en Microsoft Excel.
Los modelos matemáticos obtenidos podrían emplearse contextualizadamente
en otras industrias, lo que podría favorecer la reducción de costos de
reaprovisionamiento en sus respectivas cadenas de suministro de materias
primas.
Debe de recolectarse la información de las variables relevantes que se
exponen en el epígrafe 3.1.2 para lograr una mayor exactitud y precisión en los
resultados de los modelos empleados, lo que posibilitaría que dentro de un año o
antes se lleven a cabo mejores estimaciones de los parámetros críticos del
sistema.
Finalmente, se propone en futuros trabajos automatizar los modelos obtenidos
para facilitar los cálculos y ciertos análisis de interés, así como una mayor rapidez
en la toma de decisiones.
56
BIBLIOGRAFÍA
[1]. Acebedo Suares, José A. y Ana Julia Urquiaga Rodriguez, Martha I. Gómez
Acosta: “Gestión de la Cadena de Suministro”, laboratorio de logística y
gestión de la producción (LOGESPROT), La Habana, abril del 2001.
[2]. Allen, R.G.D.: “Mathematical Economics”, London School Economics,
Second Edition, 1968.
[3]. April, J.: “New advances and applications for marrying simulation and
optimization”, Actas de 2004 Winter Simulation Conference, 1, 76-82,
Washington DC, USA, 5 al 8 de diciembre 2004.
[4]. Arrow, K. J.; S. Karlin y H. E. Scarf: “Inventory models and related
stochastic processes, eds.” Studies in Applied Probability and
Management Science, Stanford Unversity Press, Stanford, CA, 1958.
[5]. _______________________________: “Studies in the Theory of Inventory
and Production”, Stanford Univ. Press,1958.
[6]. Bonini, Charles: “Análisis cuantitativo para los negocios”, Ma. Graw Hill,
Colombia, Novena edición, 1999.
[7]. Campuzano Bolarín, Francisco: “Modelo de gestión de la variabilidad de la
demanda en la cadena de suministro. Análisis del efecto Bullwhip.”, Tesis
Doctoral, Valencia, Galardonada con el Premio del Centro Español de
Logística, CEL Universidad 2007, 2006.
[8]. Campuzano Bolarín, Francisco; Esteban Lario; Francisco Cruz y Lorenzo

Ros McDonnell: “Consecuencias del efecto Bullwhip según distintas
estrategias de gestión de la cadena de suministro: modelado y simulación”,
Revista de métodos cuantitativos para la economía y la empresa, # 5,
Universidad Politécnica de Valencia, Universidad Politécnica de Cartagena,
Junio de 2008, pp. 49-66, localizado en:
http://www.upo.es/RevMetCuant/art19.pdf
[9]. Cardona, David; Eduardo Cataño y Alexander Correa E.: “Análisis de un
sistema de inventarios en una PYME de confección”, II Encuentro
Colombiano de Dinámica de Sistemas, 2001.
[10]. Cochran, W.G.: “Sampling Techniques”, John Wiley, New York, 1953.
[11]. DellÀgnolo, Marco Antonio: "Costos de inventarios, planificación de stocks
y aprovisionamiento", en Canales de distribución y administración
logística, 2001.
[12]. Dorfman, Samuelson: “Linear Programming and Economic Analysis”, Mc
Graw Hill, N.Y., tradution francaise, Edition Dunod, París, 1958.
[13]. Eppen, G. D: “Investigación de operaciones en la ciencia administrativa”,
Pearson, México, quinta edición, 2000.
[14]. Ehrhardt, R.: “Policies for a Dynamic Inventory Model with Stochastic Lead
Times”, en Operations Research, Vol. 32, 1984, pp. 121-132.
[15]. Gallardo Velásquez, Anahi: “Innovación tecnológica y nuevas formas de
organización”, Conferencia dictada por Mariella Berra, investigadora de la
Universidad de Turín Italia, editada en Gestión y Estrategia, edición
Internet, 1996, localizado en:
http://www.azc.uam.mx/publicaciones/gestion/num9/doc8.htm
[16]. Garfinkel, Robert S.; George L. Nemhauser y John Wiley: Integer
Programming, U.S.A., 1972, pp. 108-211.
[17]. Gomory, R.E.: “Outline of an Algorithm for Integer Solutions to Linear
Programs”, Bull. Math. Soc. 64, 1958, pp. 275-278.
[18]. Harris, John K. y Swatman, Paula M. C.: “Efficient Consumer Response
(ECR): a Survey of the Australian Grocery Industry”, ACIS'97 - 8th
Australasian Conference on Information Systems, Adelaida, 1997, pp.
137-148.
[19]. Hoque, M. A. y S. K. Goyal: “An Optimal Policy for a Single-Vendor Single-
Buyer Integrated Production-Inventory System with Capacity Constraint of
the Transport Equipment”, International Journal Production Economics,
vol. 65, 2000, pp. 305-315.
[20]. Hurter, P.; F. Arthur, C. Kaminsky: “An application of regenerative stochastic
processes to a problem in inventory control”, Operations Research, Vol.
15,1967, pp. 467-472.
[21]. Jayaraman, Vaidyanathan: “Transportation, Facility Location and Inventory
Issues in Distribution Network Design”, International Journal of
Operations & Production Management, vol. 18, No 5, 1998, pp. 471-494.
[22]. Jiménez Ramírez, Roberto: “Modelos de Inventario”, 2007, localizado en:
http://www.unap.cl/metadot/index/
[23]. Jiménez Sánchez, José Elías y Hernández, Salvador: “Marco conceptual de
la cadena de suministro: un nuevo enfoque logístico”, Instituto Mexicano del
Transporte, Publicación Técnica, No. 215, 2002, localizado en:
http://www.imt..mx/publicaciones/
[24]. Jiménez Sánchez, José Elías: “Los factores críticos de éxito de la cadena
de suministro”. Instituto Mexicano del Transporte; Publicación Técnica,
No. 237, 2004, localizado en: http://www.imt..mx/publicaciones.
[25]. _______________________: “Estado del arte de los modelos matemáticos
para la coordinación de inventarios en la cadena de suministro”,
Universidad Politécnica de Valencia, documento de trabajo, trabajo de
investigación como parte del programa doctoral Gestión de la Cadena de
Suministro e Integración Empresarial, Publicación Técnica, No 281,
Sanfandila, Qro, 2005, localizado en: http://www.imt..mx/publicaciones/
[26]. ______________________: “Modelos de coordinación de inventarios y su
relación con las variables fundamentales del transporte”, Instituto Mexicano
del Transporte; Publicación Técnica, No 283, Sanfandila, Qro 2006,
localizado en: http://www.imt.mx/publicaciones/
[27]. Kaufmann, A.: “Métodos y Modelos de la Investigación de Operaciones”,
Compañía Editorial Continental, S.A., México, Quinta reimpresión en
español, octubre de 1966.
[28]. Lederman, R.: “Optimization of Stochastic Inventory Control with Correlated
Demands”, Undergraduate Thesis, Department of Computer Science,
Brown University, USA 2003, pp. 3-19.
[29]. Liu, L., L. Xiaoming y D. D. Yao: “Analysis and Optimization of a Multistage
Inventory-Queue System”, Management Science, Vol. 50, 2004, pp. 365-
380.
[30]. Montgomery, Douglas C.: “Design and Analysis of Experiments”, Ed. Jonh
Wiley & Sons, 1996.
[31]. Montoya, Alberto: “Administración de compras”, Medellín, 1992.
[32]. Nahmias, Steven: “Análisis de la producción y las operaciones”, CECSA,

México, 1999.
[33]. Namakforoosh, Mohammad: “Investigación de operaciones, interpretación
de modelos y casos”, cuarta reimpresión, Limusa Noriega Editores,
México, 1996.
[34]. Narasimhan, Seetharama: “Planeación de la producción y control de
inventarios”, Segunda edición, Prentice-Hall, México, 1997.
[35]. Rodríguez de Rivera, José: “La Coordinación, Dimensión esencial del
Organizar”, Dpto. Ciencias Empresariales, Universidad de Alcalá, 1999,
Localizado en:
http://www2.uah.es/estudios_de_organizacion/temas_organizacion/org_pra
xis/coordinacion.htm
[36]. Silver, E.A, Pyke, D.F., Peterson, R.: “Inventory Management and
Production Planning and Scheduling”, Wiley, 1998.
[37]. Sphicas Georghios, P.: “On the Solution of an Inventory Model with Variable
Lead Times”, Operations Research, Vol. 30, 1982, pp. 404-410.
[38]. Tersine, R. J.: “Principles of Inventory and Materials Management”, North-
Holland: New York, tercera edición, 1988.
[39]. Torres, F. Y Mejía, G.: “Soluciones óptimas para un modelo multi-producto
coordinado de producción, distribución y abastecimiento”, Grupo de
Producción y Logística (PYLO), 2006.
[40]. Vázquez, D. F.: “Metodología para externalizar servicios de transporte”,
Tesis de Maestría en Ingeniería de Transporte, Universidad Autónoma
del Estado de México, Toluca, México, 2001.
[41]. Vazsonyi, A.: “Scientific Progamming in Business and Industry”, Wiley edit.,
N.Y., 1958.
[42]. __________: “The Use of Mathematics in Production and Inventory Control
II”, Management Science, Vol. 1, 1955, pp. 12-28.
[43]. Ventsel, S.: Investigación de Operaciones, 1983.
[44]. Vergin, R. C.: “An Examination of Inventory Turnover in the Fortune 500
industrial companies”, Production and Inventory Management Journal,
vol. 39 (1), 1998, pp. 51-56.
[45]. Vidal, C. J., J. C. Londoño y F. Contreras: “Aplicación de los Modelos de
Inventarios en una Cadena de Abastecimiento de Productos de Consumo
Masivo con una Bodega y N Puntos de Venta”, Ingeniería y
Competitividad, Vol. 6, 2004, pp.35-52.
[46]. Vidal, C. J.: “Introducción a la gestión de inventarios”, Universidad del Valle,
Facultad de Ingeniería, Escuela de Ingeniería Industrial y Estadística,
Cali, 2006, pp.1-16.
[47]. _________: “Introducción a la gestión de inventarios”, Universidad del
Valle, Facultad de Ingeniería, Escuela de Ingeniería Industrial y
Estadística, Cali, 2006, pp.1-16.
[48]. Von Neuman, J et O.Morgerstern: “Theory of Games y Economic Behavior”,
Princeton Univ., Press,1953.
[49]. Wagner, H. M. y Whitin T. M.: “A Dynamic Version of the Economic Lot-
Sizing Model”, Management Science, vol. 5, 1958, pp. 89-96.
ANEXOS
ANEXO 1. Muestra el sistema de la cadena de suministro que se modela.

ANEXO 2. Restricciones fundamentales de las materias primas en el proceso de producción de
cemento.
ANEXO 3. Muestra los costos de cada una de las materias primas.
ANEXO 4. Muestra la tarifa de transportación de cada una de las materias primas.
ANEXO 5. Lógica empleada para la modelación matemática

ANEXO 6.Solución del modelo de PPLEP mediante el PLEC++, por el algoritmo GomoryI.
ANEXO 7. Planificación para la cadena de suministro antes de comenzar la producción. Se incluyen
16 días.
ANEXO 8. Planificación para la cadena de suministro para la producción. Se incluye una muestra de los
313 días.
ANEXO 9.Distribución normal de la demanda para la materia prima hierro
ANEXO 10. Distribución normal de la demanda para la materia prima toba.

ANEXO 11. Distribución normal de la demanda para la materia prima yeso.
ANEXO 12. Comportamiento de la demanda para la materia prima hierro.
Demanda Demanda
Día Demanda Existencia Día Demanda Existencia
acumulada acumulada
0 0 0 788 26 73 612 260

1 91 91 697 27 73 685 187
2 74 164 623 28 82 767 893
3 83 247 541 29 75 75 818
4 80 327 461 30 73 148 745
5 89 416 372 31 68 216 677
6 86 502 286 32 86 302 591
7 79 581 207 33 79 381 512
8 68 649 139 34 90 471 422
9 88 737 839 35 79 550 343
10 79 79 760 36 78 628 265
11 83 162 677 37 88 716 177
12 87 249 590 38 80 796 97
13 90 339 500 39 73 869 812
14 86 425 414 40 84 84 728
15 72 497 342 41 88 172 640
16 78 575 264 42 68 240 572
17 90 665 174 43 84 324 488
18 90 755 872 44 77 401 411
19 78 78 794 45 88 489 323
20 89 167 705 46 80 569 243
21 69 236 636 47 85 654 158
22 76 312 560 48 78 732 868
23 88 400 472 49 75 75 793
24 68 468 404 50 73 148 720
25 71 539 333
ANEXO 13. Comportamiento de la demanda para la materia prima toba
Demanda Demanda
acumulada acumulada
0 0 0 978 26 140 535 538

1 111 111 867 27 141 676 397
2 146 257 721 28 135 811 262
3 145 402 576 29 116 927 146
4 132 534 444 30 119 1046 1005
5 118 652 326 31 133 133 872
6 143 795 183 32 129 262 743
7 129 924 1032 33 110 372 633
8 137 137 895 34 112 484 521
9 125 262 770 35 119 603 402
10 146 408 624 36 124 727 278
11 111 519 513 37 127 854 1129
12 130 649 383 38 144 144 985
13 120 769 263 39 132 276 853
14 142 911 1099 40 121 397 732
15 121 121 978 41 127 524 605
16 135 256 843 42 132 656 473
17 110 366 733 43 114 770 359
18 122 488 611 44 141 911 218
19 128 616 483 45 146 1057 1050
20 125 741 358 46 132 132 918
21 130 871 228 47 109 241 809
22 133 1004 1073 48 140 381 669
23 113 113 960 49 132 513 537
24 144 257 816 50 136 649 401
25 138 395 678
ANEXO 14. Comportamiento de la demanda para la materia prima yeso
Demanda Demanda
acumulada acumulada
0 202 202 1616 26 220 1147 601
1 192 394 1424 27 223 1370 378
2 240 634 1184 28 231 1601 1763
3 226 860 958 29 202 202 1561
4 209 1069 749 30 190 392 1371
5 215 1284 534 31 244 636 1127
6 191 1475 343 32 225 861 902
7 250 1725 1709 33 204 1065 698
8 249 249 1460 34 197 1262 501
9 207 456 1253 35 201 1463 1916
10 229 685 1024 36 218 218 1698
11 201 886 823 37 218 436 1480
12 230 1116 593 38 194 630 1286
13 213 1329 380 39 254 884 1032
14 235 1564 1761 40 200 1084 832
15 249 249 1512 41 216 1300 616
16 229 478 1283 42 211 1511 405
17 257 735 1026 43 201 1712 1820
18 244 979 782 44 251 251 1569
19 200 1179 582 45 212 463 1357
20 247 1426 335 46 240 703 1117
21 203 1629 1748 47 218 921 899
22 233 233 1515 48 217 1138 682
23 235 468 1280 49 224 1362 458
24 243 711 1037 50 240 1602 1834
25 216 927 821 26 220 1147 601

Trabajo de Diploma (Departamento de Matemática Universidad de Oriente, Cuba)

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Trabajo de Diploma (Departamento de Matemática Universidad de Oriente, Cuba)

Uploaded by

Copyright:

Available Formats

Departamento de Matemática

Modelos y procedimientos optimales para la

Autor: Rayner Manuel Sánchez Reyes

¾ A mi queridísima y sacrificada madre, a mi querido y adorado padre, a

¾ Agradezco en primer lugar y muy especialmente, no sólo por haberse

En el presente trabajo se realiza un estudio para la evaluación de las cadenas

In the present investigation a research work is done in order to evaluate the

1.2 Metodología de la Investigación de Operaciones............................................. 5

1.3 Teoría de inventarios........................................................................................ 8

1.3.2 Características generales de los problemas de inventarios..................... 11

1.3.3 Representación gráfica............................................................................. 11

1.3.4.1 Retrasos del reaprovisionamiento............................................... 13

1.3.5 Problemática y sus costos relevantes...................................................... 14

1.4 Elementos de Programación Lineal Entera (PLE)............................................ 17

1.4.1 Modelos de optimización enteros............................................................. 17

1.4.2 Métodos y algoritmos de Programación Lineal Entera (PLE)................... 18

2.1 Definición del problema y recolección de datos............................................... 23

2.1.1 Precisión del problema y los objetivos..................................................... 24

2.2 Modelos de inventarios con demanda promedio constante............................. 25

2.2.2 Modelo para la demanda promedio constante con costo de

2.2.3 Cálculo del punto de reorden y del inventario de seguridad.................... 32

2.2.4 Inferencia de datos faltantes…………………………………...................... 36

2.3 Obtención del PPLE para la planificación óptima del transporte..................... 39

Conclusiones del capítulo................................................................................................ 41

3.1.2 Implantación de la solución del modelo matemático…………………….. 50

Conclusiones del capítulo................................................................................................ 52

Para dar respuesta al problema científico planteado se consideró el objeto de

esenciales de la metodología de investigación de operaciones, elementos de la

CAPÍTULO 1. Fundamentos Matemáticos para la Modelación de

1.1 Elementos de la Investigación de Operaciones

amplios, hacen de la Investigación de Operaciones una alternativa ineludible para

1.2 Metodología de la Investigación de Operaciones

1. Definición del problema y recolección de datos

2. Formulación de un modelo matemático

3. Obtención de una solución a partir de los modelos, prueba del modelo

encontrar los valores de las variables dependientes, asociadas a las

4. Establecimiento de controles sobre la solución del modelo matemático

se conoce como análisis de sensibilidad. En pocas palabras, esta fase

5. Implantación de la solución del modelo matemático

1.3 Teoría de inventarios

2) Inventario de trabajo en proceso: productos semiterminados o productos

En los problemas de inventario intervienen restricciones que pueden ser:

El estudio de la administración de inventarios es un campo del conocimiento

Fig. 1.3.1.1. CLASIFICACIÓN DE INVENTARIOS A PARTIR DELTIPO DE DEMANDA

Regularmente los modelos de inventario se clasifican de acuerdo a si se

1.3.2 Características generales de los problemas de inventarios

1.3.3 Representación gráfica

existencia final S f , el intervalo φ que separa los instantes en donde se han

tomado Si y S f . En general, las demandas son cantidades aleatorias,

representadas mediante un trazo o mediante escalones. Es cómodo reemplazar

Fig. 1.3.4.1. INVENTARIO ELEMENTAL POR PERIODO ADMINISTRACIÓN DEL TIPO I.

El segundo presentado en la Fig. 1.3.4.2, es un método que podríamos llamar

caso no existe el riesgo de que se rompa el inventario, la administración es

Fig. 1.3.4.2. MÉTODO DE RELAJAMIENTO O ADMINISTRACIÓNDE TIPO II.

1.3.4.1 Retrasos del reaprovisionamiento

Fig. 1.3.4.1.1. RETRASO DE REAPROVISIONAMIENTO CONSTANTE Y CON UNA

En el segundo caso, la cantidad a pedir en la orden es constante, pero la fecha

ejemplo sobre la Fig. 1.3.4.1.2); en algunos casos T ≥ Ti . En general, la demanda

es conocida en probabilidad y a veces el lapso es proporcional a (o función de) la

Fig. 1.3.4.1.2. REAPROVISIONAMIENTO CON LA CANTIDAD A PEDIR

1.3.5 Problemática y sus costos relevantes

problema de inventarios. Los tipos fundamentales de costos pueden ser

b) Costos de aprovisionamiento o de obtención.

ejemplo: calidad) que puede dañar el desempeño de la compañía a largo plazo,

Branch and Bound (ramificación y acotación).

¿Cómo puede realizarse una planificación del transporte al estimarse de