You are on page 1of 21

MODELOS DE INVENTARIO

PRESENTADO POR:

CAMILO ANDRES VARGAS PEREZ

BRAYAN MADRID FIGUEROA

DOCENTE

FREDY MARTÍNEZ

UNIVERSIDAD DE CÓRDOBA

FACULTAD DE INGENIERIAS

DEPARTAMENTO DE INGENIERÍA INDUSTRIAL

OPERACIONES II

MONTERÍA – CÓRDOBA

2018
INTRODUCCIÓN

Un inventario es una cantidad de bienes o materiales en el control de una empresa


que son mantenidas durante un tiempo en un estado no productivo o de ocio,
esperando su uso o venta (Stephen Love)

Los inventarios son de gran importancia porque los procesos de demanda y


suministro difieren en la razón a los cuales estos procesos proveen o requieren las
unidades en inventario.

Los inventarios son parte vital de un negocio, puede ser una industria, un
supermercado, una tienda departamental o cualquier tipo de empresa, no importa
la naturaleza de sus operaciones, todos ellos llevarán un inventario de sus
productos, para poder satisfacer las demandas de sus clientes.

Los inventarios tienen numerosas funciones como son:

 Proteger contra faltante, errores y escasez

 Tomar ventaja del ciclo de ordenar

 Tomar ventaja si los precios aumentan

 Facilitar la producción de diferentes productos en las mismas instalaciones

 Proporciona un medio de obtener y manejar materiales en lotes


económicos y obteniendo así descuentos por cantidad.

Los principales aspectos que hay que tomar en cuenta en un sistema de inventarios
es : cuanto ordenar y cuando ordenar y también cuanto nos cuesta pedir una orden
y cuanto nos cuesta mantener esos productos en inventario.
OBJETIVOS

 Adquirir conocimiento sobre la diferenciación de las posibles situaciones que se


pueda presentar en el manejo de los inventarios de una organización.
 Relacionarse con los conceptos de inventario y los modelos de inventarios para una
mejor toma de decisiones.
 Tomar una posición en la que se es capaz de identificar la variación de la posible
aplicación de los modelos de inventarios según la actividad que realice la
organización debido a que no todos los modelos pueden aplicarse a una misma
empresa.
MODELO DE CANTIDAD ECONOMICA A PRODUCIR (POQ)

El modelo de cantidad económica a producir (POQ) considera supuestos similares al Modelo


de Cantidad Económica de Pedido (EOQ), sin embargo, asume que el reabastecimiento y
consumo se realiza de forma simultanea durante un período de tiempo determinado luego
del cual sólo se consume (demanda) a una tasa fija. Dicha característica del modelo de lote
económico con producción y consumo simultaneo determina que su rango de aplicabilidad
esta principalmente asociado a sistemas con autoabastecimiento, es decir, donde una parte
del sistema productivo abastece en sus requerimientos a otra.

Los principales supuestos del modelo son:

 La recepción del inventario es constante durante un periodo de tiempo.


 La producción y demanda es conocida y constante.
 El tiempo de entrega se conoce y es constante.
 No existen descuentos por cantidad, sin embargo, dicha condición es factible de
flexibilizar al igual que el Modelo de Cantidad Económica de Pedidos (EOQ) con
descuentos por cantidad.
 Los dos únicos costos relevantes son el costo de mantener el inventario y el costo
de hacer un pedido.
 La falta de existencias (escasez) se evita si la orden se coloca en el momento
adecuado.

Una representación gráfica de la evolución del inventario en función del tiempo para este
modelo se presenta a continuación:
Donde d: demanda diaria y f: producción diaria. Luego está implícito que 𝑓 > 𝑑.
Adicionalmente si buscamos el mínimo de la función de costos totales en términos del
tamaño del lote de producción se obtiene la siguiente solución para el modelo:

EJEMPLO.
Una empresa puede producir un artículo o comprarlo a un contratista. Si lo produce le
costará $30 cada vez que prepare sus máquinas. La tasa de producción f es 150 unidades
diarias. Si lo compra a un contratista le costará $20 emitir un pedido. El costo de mantener
un artículo en existencia, sea producido o comprado, es de $0,02 por unidad y por día. El
consumo estimado de ese artículo por la empresa es de 29.200 unidades anuales.
Suponiendo que no se permiten unidades faltantes, ¿la empresa debe producir o debe
comprar? Asuma que un año tiene 365 días.

SOLUCION.
Al utilizar el modelo de Lote Económico con Producción y Consumo Simultaneo se obtiene
que la política óptima es generar lotes de producción de 717 unidades cada vez que se
requiera. Notar que la demanda diaria d corresponde a 80 unidades
(29.200[𝑢/𝑎ñ𝑜]/365[𝑑í𝑎𝑠/𝑎ñ𝑜]).

El costo total anual asociado a este plan es de $2.443 (POQ). Si utilizamos EOQ el tamaño
óptimo de pedido es:
Obteniéndose en este caso un Costo Total Anual (EOQ) de $2.920 por lo cual se recomienda
en este caso el autoabastecimiento y por tanto la utilización de los resultados del modelo
de lote económico con producción y consumo simultaneo.

“Con el objeto de detallar el cálculo de los costos totales para el ejemplo anterior, a
continuación, se presenta el detalle del procedimiento que corrobora los resultados
anteriormente expuestos”

El Costo Total Anual para el caso del modelo POQ se obtiene de:

Para el caso del modelo de Cantidad Económica de Pedido o EOQ, el Costo Total Anual se
obtiene de:
MODELO DE DESCUENTO POR CANTIDAD

El único modelo donde el costo unitario cambia es en el de descuento por cantidad, es decir,
que al cliente se le hace más atractivo comprar por volumen. El costo del volumen, incurre
en el costo de mantener inventario. A menudo esto ocurre, cuando los proveedores en aras
de vender más, incentivan a sus clientes por medio de descuentos en el costo unitario,
otorgados por cantidades mayores de pedidos.

El costo como tal no es lineal.

Aplicamos este modelo siguiendo los siguientes pasos dados a continuación:


 Paso 1: para cada categoría de descuento, se calcula un Q* usando la fórmula de
EOQ, basados en el costo unitario asociado para cada categoría de descuento.
 Paso 2: En caso de que el Q* sea demasiado pequeño para clasificar entre una
categoría de descuentos que se quiere tomar, ajustarlo, acercándolo al mínimo de
cantidad que se puede pedir para clasificar en el descuento. Y si por el contrario este
es demasiado grande, ajustarlo, a la cantidad máxima que se puede pedir para
clasificar en la categoría de descuento.
 Paso 3: Para cada cantidad, ordenar el resultante de los pasos 1 y 2, calcular el costo
total anual usando el costo unitario para la categoría de descuento apropiada. Y de
esta forma la cantidad que produzca el costo total anual mínimo es la cantidad
óptima a ordenar.
EJEMPLO
Un proveedor le ofrece la siguiente tabla de descuento para la adquisición de su principal
producto, cuya demanda anual usted ha estimado en 5.000 unidades. El costo de emitir
una orden de pedido es de $49 y adicionalmente se ha estimado que el costo anual de
almacenar una unidad en inventario es un 20% del costo de adquisición del producto.
¿Cuál es la cantidad de la orden que minimiza el
costo total del inventario?

Tamaño del Lote (Unidades) Descuento(%) Valor del Producto ($/Unidad)


0 a 999 0% 5
1.000 a 1999 4% 4,8
2.000 o más 5% 4,75

Para dar respuesta a esta situación se propone seguir los siguientes pasos:
PASO 1: Determinar el tamaño óptimo de pedido (Q*) para cada nivel o quiebre de precios.

PASO 2: Ajustar la cantidad a pedir en cada quiebre de precio en caso de ser necesario. En
nuestro ejemplo para el tramo 1 𝑸(𝟏) = 𝟕𝟎𝟎 unidades está en el intervalo por tanto se
mantiene; para el tramo 2 𝑸(𝟐) = 𝟕𝟏𝟒 está por debajo de la cota inferior del intervalo, por
tanto se aproxima a esta cota quedando 𝑸(𝟐) = 𝟏. 𝟎𝟎𝟎 finalmente en el tramo 3 𝑸(𝟑) =
𝟕𝟏𝟖 que también está por debajo de la cota inferior del intervalo, por tanto se aproxima a
esta cota quedando 𝑸(𝟑) = 𝟐. 𝟎𝟎𝟎
PASO 3: Calcular el costo asociado a cada una de las cantidades determinadas

Los fórmula de costos totales es: 𝑪𝑻 = 𝑪 ∗ 𝑫 + (𝑫/𝑸) ∗ 𝑺 + (𝑸/𝟐) ∗ 𝑯

𝟓𝟎𝟎𝟎 𝟕𝟎𝟎
𝟓 𝒙 𝟓𝟎𝟎𝟎 + ( ) ∗ 𝟒𝟗 + ( ) ∗ 𝟎, 𝟐𝟎 ∗ 𝟓 = $ 𝟐𝟓. 𝟕𝟎𝟎
𝟕𝟎𝟎 𝟐
𝟓𝟎𝟎𝟎 𝟏𝟎𝟎𝟎
𝟒, 𝟖 𝒙 𝟓𝟎𝟎𝟎 + ( ) ∗ 𝟒𝟗 + ( ) ∗ 𝟎, 𝟐𝟎 ∗ 𝟒, 𝟖 = $𝟐𝟒. 𝟕𝟐𝟓
𝟏𝟎𝟎𝟎 𝟐
𝟓𝟎𝟎𝟎 𝟐𝟎𝟎𝟎
𝟒, 𝟕𝟓 𝒙 𝟓𝟎𝟎𝟎 + ( ) ∗ 𝟒𝟗 + ( ) ∗ 𝟎, 𝟐𝟎 ∗ 𝟒, 𝟕𝟓 = $𝟐𝟒. 𝟖𝟐𝟐
𝟐𝟎𝟎𝟎 𝟐

𝑪𝒐𝒔𝒕𝒐 𝑻𝒓𝒂𝒎𝒐 𝟏 = 𝑪(𝟕𝟎𝟎) = $𝟐𝟓. 𝟕𝟎𝟎


𝑪𝒐𝒔𝒕𝒐 𝑻𝒓𝒂𝒎𝒐 𝟐 = 𝑪(𝟏. 𝟎𝟎𝟎) = $𝟐𝟒. 𝟕𝟐𝟓
𝑪𝒐𝒔𝒕𝒐 𝑻𝒓𝒂𝒎𝒐 𝟑 = 𝑪(𝟐. 𝟎𝟎𝟎) = $𝟐𝟒. 𝟖𝟐𝟐

Se concluye que el tamaño óptimo de pedido que minimiza los costos totales es 1.000
unidades, con un costo total anual de $24.725
MODELO PROBABILISTICO

Un modelo probabilístico o estadístico es la forma que pueden tomar un conjunto de datos


obtenidos de muestreos de datos con comportamiento que se supone aleatorio.
(Villarreal,1989)

Definición de distribución de probabilidad: Es aquella que permite calcular todos los


resultados probables de ocurrir de un experimento determinado, así como la probabilidad
de ocurrencias de estos resultados.
Las características más importantes a tener en cuenta en una distribución de probabilidad
son:
- La probabilidad de un resultado específico está entre cero y uno.
- La suma de las probabilidades de todos los resultados mutuamente excluyentes es 1 ‰
Definición de función de distribución de probabilidad: La función de probabilidad de una
variable aleatoria es la probabilidad acumulada hasta un valor determinado de la variable.
Dada una variable aleatoria X, diremos que F(a) es la función de distribución tal que:
𝐹(𝑎) = 𝑃(𝑋 = 𝑎)
La función de distribución de probabilidad cumple 0 = 𝐹(𝑥) = 1.
En el caso de las variables discretas la función de probabilidad se asocia con la función de
probabilidad, función que da la probabilidad de cada posible valor que toma la variable. En
el caso de las continuas como estas pueden tomar infinitos valores en un intervalo su
función de probabilidad viene definida como la probabilidad a intervalos de valores. De
hecho, la probabilidad de que la variable tome un determinado valor es nula. Las variables
aleatorias continuas se caracterizan por una función denominada función de densidad.

Definición de función de probabilidad para una variable aleatoria discreta: Dada una
variable aleatoria discreta X, diremos que 𝑓(𝑥𝑖 ) es la función de probabilidad que asocia a
cada valor xi de la variable su probabilidad
, 𝒊. 𝒆. , 𝒇(𝒙𝒊) = 𝑷(𝑿 = 𝒙𝒊).
De este modo: 𝑭(𝒂) = 𝑷(𝑿 = 𝒂) es igual a la suma de todos los 𝑷(𝑿 = 𝒙𝒊) tales que xi
son menores que 𝒂. ‰
Definición de función de densidad para una variable aleatoria continua:
Dada una variable aleatoria continua X la función de densidad f(x) asociada a una variable
aleatoria continua X caracteriza la función de distribución de probabilidad de X donde:

Los modelos probabilísticos más comunes son:

DISTRIBUCION DE BERNOULLI
Si en un experimento sólo aparecen dos posibles resultados: “éxito y fracaso”, ha dicho
experimento se le conoce como experimento de Bernoulli. El espacio muestral
de un experimento de Bernoulli tiene solo dos puntos. (TAHA, 2012) Si la variable aleatoria
X representa el resultado del experimento:
𝑆 = {é𝑥𝑖𝑡𝑜, 𝑓𝑟𝑎𝑐𝑎𝑠𝑜} = {1, 0}
A la probabilidad de éxito, es decir, 𝑃(𝑋 = 1) se le representa con p, es decir,
𝑷( 𝑿 = 𝟏 ) = 𝒑 donde
𝟎 = 𝒑 = 𝟏.
Por otra parte, a la probabilidad del fracaso se le representa con q, es decir,
𝑷( 𝑿 = 𝟎 ) = 𝒒, 𝒅𝒐𝒏𝒅𝒆 𝒑 + 𝒒 = 𝟏.

𝑥 𝑃(𝑋)
0 p
1 q

Proceso de Bernoulli: Si el experimento de Bernoulli se lleva a cabo varias veces y las


pruebas son independientes entre sí, se conforma un experimento de Bernoulli.

EJEMPLO:
En la práctica, los ensayos de Bernoulli se utilizan para modelar fenómenos aleatorios que
sólo tienen dos resultados posibles, como, por ejemplo:
 Al lanzar una moneda, comprobar si sale cara (éxito) o cruz (fracaso). Se suele
suponer que una moneda tiene una probabilidad de éxito de 0,5.
 Al lanzar un dado, ver si se obtiene un seis (éxito) o cualquier otro valor (fracaso).
 Al realizar una encuesta política, tras escoger un votante al azar, ver si éste votará
"si" en un referéndum próximo.
 ¿Era el recién nacido niña?
 ¿Son verdes los ojos de una persona?
 ¿Decidió un cliente potencial comprar determinado producto?
EJERCICIO (ejercicio 2, Hamdy Taha, investigación de operaciones 9na edición)
En un Instituto Universitario existen 3 carreras; el 50% cursan estudios de enfermería, el
30% medicina y el 20% veterinaria. Los que finalizaron los estudios son el 20%, 10% y 5%
respectivamente elegido un estudiante al azar.
a) ¿Cuál es la probabilidad de finalizar los estudios de estas carreras?
b) ¿Hallar la probabilidad de un estudiante finalizado sea de medicina?
Datos:
E= Estudiar Enfermería
M=Estudiar Medicina
V=. A Estudiar Veterinaria
F= Finalizar Estudios
𝑷(𝒆) = 𝟎, 𝟓𝟎 𝑷(𝒎) = 𝟎, 𝟑𝟎 𝑷(𝒗) = 𝟎, 𝟐𝟎
𝑷(𝒇/𝑴 ) = 𝟎, 𝟐 𝑷(𝒇/𝒎) = 𝟎, 𝟏𝟎 𝑷(𝒇/𝒗) = 𝟎, 𝟓𝟎
SOLUCIÓN
A) 𝑷(𝒇) = 𝑷(𝒆) ∗ 𝑷(𝒇/𝒆) + 𝑷(𝒎) ∗ 𝑷(𝒇/𝒎) + 𝑷(𝒗) ∗ 𝑷(𝒇/𝒗)
= (𝟎, 𝟓 ∗ 𝟎, 𝟐) + (𝟎, 𝟑 ∗ 𝟎, 𝟏𝟎) + (𝟎, 𝟐𝟎 ∗ 𝟎, 𝟎𝟓)
𝑷(𝒇) = 𝟎, 𝟏𝟒.
B) 𝑷(𝒎/𝒇) = 𝑷(𝒇/𝒎) ∗ 𝑷(𝒎)
= 𝑷(𝒇/𝒎) ∗ 𝑷(𝒎) + 𝑷(𝒇/𝒆) ∗ 𝑷(𝒆) + 𝑷(𝒇/𝒗) ∗ 𝑷(𝒗)
𝑷(𝒎/𝒇) = 𝟎, 𝟏𝟑/𝟎, 𝟏𝟒 = 𝟎, 𝟐𝟏

APLICACIONES “Distribución De Bernoulli En La Industria”


Actualmente La distribución de Bernoulli es un aspecto muy usado hoy en día en la
industria
ya que permite realizar estudios de éxito o fracaso, como, por ejemplo:
 Para medir defectos de un producto y medir la calidad del mismo.
 Para saber si una persona esta apta o no para ocupar cierto puesto.
 La probabilidad de que una inversión sea un éxito o un fracaso.
DISTRIBUCION BINOMIAL
Consideremos una variable aleatoria X que da el número de éxitos que aparecen al repetir
n veces de forma independiente un experimento en idénticas condiciones. En esta
situación diremos que X sigue una distribución Binomial.

EJEMPLO:
X= número de huevos defectuosos en un paquete de 12.
Y= número de 2 al tirar 10 veces un dado.
Las características principales de este modelo de distribución son:
1. Repetir n pruebas independientes unas de otras.
2. Para cada una de las pruebas sólo pueden darse dos resultados: éxito o fracaso
3. La probabilidad de éxito en cada prueba es de p.

En tales condiciones, diremos que la 𝑣. 𝑎. 𝑋 = “𝑛º de éxitos en las n pruebas” sigue una
distribución Binomial de parámetros n y p, y lo escribiremos como 𝑋 ~ 𝐵(𝑛, 𝑝) .
Observamos que la 𝑣. 𝑎. 𝑋 sólo puede tomar los valores 0, 1, 2, 3, … , n siendo por tanto
una 𝑣. 𝑎. discreta. Así pues, las funciones de probabilidad y de distribución de una
distribución binomial son las siguientes:
EJERCICIO: (ejemplo 7.1, Hamdy Taha, investigación de operaciones 9na edición)
El presidente de una compañía planea contactar con otras 18 compañías en busca de
nuevos socios para su negocio. Sus analistas han estimado que la probabilidad de que una
firma contactada al azar acepte incorporarse como socio es de 0,6.
A. ¿Cuál es la probabilidad de que acabe reclutando 5 o más socios de entre las 18
compañías contactadas?
B. ¿Cuál es el número medio esperado de socios que se incorporarán al proyecto?

SOLUCIÓN
A.

B. Para calcular cual será el número de socios medio esperado que se incorpore al
proyecto calculamos la media de una distribución Binomial que nos da el número
medio de éxitos, en este caso sería,
𝑛 ∗ 𝑝 = 18 ∗ 0,6
𝑛 ∗ 𝑝 = 10,8 que redondeando sería 11.
Por tanto, el número medio esperado de socios que se incorporen al proyecto será
de 11.
DISTRIBUCIÓN DE POISSON
Consideremos X una variable que da el número de individuos que presentan una cierta
característica por unidad de tiempo, volumen, superficie, … Entonces diremos que X sigue
una distribución de Poisson.
EJEMPLO:
X= Número de coches que cruzan un cruce en una hora.
Y= Número de enfermos de Sida por año y por Comunidad Autónoma.
La función de probabilidad de la distribución de Poisson es:

donde λ es el número medio de ocurrencias durante un intervalo específico de tiempo,


superficie e es la constante exponencial x es el número de ocurrencias (éxitos). Observamos
de la expresión de la función de probabilidad que el parámetro λ caracteriza las variables
con distribución de Poisson. Otra característica de la Poisson es que su media es igual a su
varianza y ambas son igual al parámetro 𝜆: µ = 𝜆 , 𝑠 = 𝜆 Observamos además que una
variable con distribución Poisson toma infinitos valores, 0,1,… Ahora bien, las
probabilidades van disminuyendo cada vez más rápidamente cuando el valor es alto,
haciéndose prácticamente nulas a partir de un valor. Por esto muchas veces la distribución
de Poisson también se la llama distribución de los sucesos “raros” o poco probables.

Aproximación de la Binomial a la Poisson. Una distribución Binomial con una probabilidad


de éxito p muy pequeña y n grande se aproxima a una distribución de Poisson con λ= n*p.
Algunas referencias utilizan esta aproximación cuando 𝑛 > 30 𝑦 𝑝 > 0.1 𝑦/𝑜 𝑛𝑝 < 5.
(Canavos,1988)

EJERCICIO: (ejercicio 5.7, Hamdy Taha, investigación de operaciones 9na edición)


En el computador telefónico de una compañía se reciben en promedio 2 llamadas por
minuto, suponiendo que esas llamadas siguen un proceso de Poisson.

a. Cuál es la probabilidad de recibir 8 llamadas en 5 minutos.


b. Ninguna llamada en 3 minutos.
c. Menos de 3 llamadas en 2 minutos.
SOLUCIÓN

LA DISTRIBUCIÓN NORMAL

La distribución normal es la distribución de probabilidad continua más importante. Multitud


de variables aleatorias continuas siguen una distribución normal o aproximadamente
normal. Una de sus características más importantes es que cualquier distribución de
probabilidad, tanto discreta como continua, se puede aproximar por una normal bajo
ciertas condiciones. La distribución de probabilidad normal y la curva normal que la
representa, tienen las siguientes características:

- La curva normal tiene forma de campana y un solo pico en el centro de la distribución.


De esta manera, la media aritmética, la mediana y la moda de la distribución son iguales
y se localizan en el pico. Así, la mitad del área bajo la curva se encuentra a la derecha
de este punto central y la otra mitad está a la izquierda de dicho punto.

- La distribución de probabilidad normal es simétrica alrededor de su media. - La curva


normal desciende suavemente en ambas direcciones a partir del valor central. Es asintótica,
lo que quiere decir que la curva se acerca cada vez más al eje X, pero jamás
llega a tocarlo. Es decir, las “colas” de la curva se extienden de manera indefinida en
ambas direcciones.
TEOREMA DEL LIMITE CENTRAL(TLC)

EJEMPLO: (Ejemplo 1.8, Hillier Liberman)


DISTRIBUCIÓN GEOMÉTRICA
Si en la distribución binomial negativa se tiene el caso especial de 𝑘 = 1, se le conoce
como distribución geométrica, cuya función de probabilidad está dada por:
𝑷(𝒙 = 𝒌) = 𝒑𝒒
𝒏−𝟏

La variable aleatoria geométrica representa el número de fallas que ocurren antes de


que se presente el primer éxito.

EJERCICIO
El propietario de 10 terrenos campestres en el centro turístico, está tratando
de venderlos por medio de entrevistas personales con los posibles compradores.
Considera que, al entrevistarse con un posible comprador, exista la misma posibilidad
de vender que de no vender y que el resultado de una entrevista es independiente de
lo que ocurre.
¿Cuál es la probabilidad de que la 4ª persona entrevistada sea la 1ª que compre?

La media de la variable N que representa el número de clientes que se tienen que


entrevistar para realizar la 1ª venta.
CONCLUSIÓN

Los modelos de inventarios son una gran ayuda para el análisis del manejo de los
inventarios, necesarias para mantener un funcionamiento óptimo en la organización en la
cual estemos desarrollando nuestro papel, teniendo en cuenta que la aplicación de los
modelos se dará de acuerdo al contexto de la organización en la cual nos encontremos ya
que con todas ellas no se puede dar un manejo de todos ellos, como en el caso de las
organizaciones que produzcan productos los cuales no tengan el impacto suficiente como
para ser encargados o su volumen económico y estructura no es tan alto para no tenerlo a
disposición cada vez que el cliente los solicite como es el caso de los productos de alta gama
a los cuales se les puede aplicar un modelo EOQ .
BIBLIOGRAFIA
Canavos. (1988). Probabilidad y Estadística, México: Mc Graw Hill.

TAHA, H. (2012). INVESTIGACIÓN DE OPERACIONES.

Villarreal. (1989). Probabilidad y Modelos Probabilísticos. México.

Gómez Giovanny. (2001, octubre 11). Modelo de la cantidad económica de pedido CEP o
EOQ.