Universidad Diego Portales.

Escuela Ingeniería
Profesor Felipe Murcia Mesa. MSc, Dr.c. Ing.
Logistica II-2008
October 30, 2008
1 Teoría de gestión de Inventarios
1.1 Introducción
Terminología (candidato a ponerse en la introduccion del caso de-
terministico) La teoría de inventarios tiene que ver con la administración
de niveles de inventarios o stock de productos, con el proposito de conocer la
demanda de esos productos. Se dice que la demanda de bienes son hechas por
los compradores y son atendidas por los vendedores, independientemente de
cualquier intercambio económico que se produzca. El inventario de un producto
que se encuentra …sicamente disponible es inventario a mano. La demanda para
una cantidad de un producto es considerada como conocida cuando una canti-
dad determinada es transferida -aparte de las unidades a mano- al comprador.
La escasez o quiebres de inventario son demandas no atendidas inmediatamente.
Los quiebres de inventario son ordenes pendientes o backorders si el comprador
esta dispuesto a esperar y ventas perdidas si no. Las ordenes pendientes son
conocidas como demanda acumulada o backlogs. De un momento de tiempo a
otro posterior, el administrador del inventario podria decidir si debe poner una
orden de producto adicional de un producto para reponer el stock a mano. Una
orden, con la cantidad ordenada, puede ser puesta en un proveedor externo o
sobre sus instalaciones internas de producción, en cuyo caso la catidad ordenada
es una corrida, batch y/o lote de producto. El tiempo de reposición o leadtime
es el tiempo ocurrido desde el momento en el que una orden fue puesta hasta
el momento que la cantidad ordenada es recibida (sumada al stock a mano).
Esa de…nición puede ser vaga, porque existe la posibilidad de que partes de una
orden puedan ser despachadas a diferentes puntos en varias etapas. Las canti-
dades del producto que han sido ordenada (por el administrador del inventario),
pero aun no recibidas son una orden. El stock del sistema, tambien conocido
como posición de inventario, es la suma del stock a mano mas las ordenes menos
las ordenes pendientes. Esto representa la cantidad que se encuentra disponible
para atender demandas futuras sin poner ordenes adicionales.
Dimensiones de los modelos de inventario (candidato a ponerse en la
introduccion del caso deterministico) Pueden haber uno o mas produc-
1
tos y estos pueden ser consumibles o parcialmente reusables. Los inventarios de
productos individuales pueden ser reabastecidos en unidades discretas o contin-
uas. Los productos podrian estar sujetos a deterioro, como aquellos que tienen
un tiempo de vida …nito o estar sujetos a deterioros o decrementos (mermas).
El deterioro podría ser determinístico o estocástico.
En cuanto a las variables de decisión, el conjunto de variables de decisión
en un modelo de inventario siempre incluye la cantidad a ordenar o a producir,
de cada producto, como una función de la información disponible sobre los
niveles de inventario en todo instante de tiempo. Podrían existir otras variables
de decisión que incluyan otras cosas tales como precio, secuenciamiento de la
producción, fechas de programación de entregas, inspecciones, expansión de
capacidad, reducción de tiempos de alistamiento, mejoramiento de la calidad y
otros mas.
Respecto a la estructura de toma de decisiones, se podría decir que existe
un tomador de decisiones o varios. Un tomador de decisiones, tal como lo es
el dueño de la empresa, podría …jar las reglas, y un tomador de decisiones
como el administrador del inventario podría operar sobre dichas reglas. El
comportamiento de los compradores, proveedores y competidores podría ser o
no modelado explícitamente.
El tiempo puede ser continuo o discreto. El horizonte de tiempo es el in-
tervalo de tiempo sobre el cual las consecuencias de la política del inventario
podrían ser medidas. Los horizontes de tiempo pueden ser …nitos o in…nitos y
tambien determinísticos o estocásticos.
La demanda puede ser determinística o estocástica. Cuando la demanda se
considera como un proceso estocástico, el proceso de demanda podría tener o
no incrementos independientes, como podría ser estacionario o no estacionario y
podría estar sujeta a in‡uencia endógena, como lo son los quiebres de inventario,
los tiempos de servicio al cliente, los precios, entre otros.
La función objetivo de un modelo de inventario casi siempre tiene en cuenta
costos de ordenar o producir, costos de mantener inventario y costos de escasez.
Los ingresos algunas veces tambien se incluyen. Los modelos de inventario
pueden diferir considerablemente debido a la diferencia en la forma (convexa o
concava) de las funciones de costo. Existen tambien otras consecuencias med-
ibles en la función objetivo, tales como ingresos, niveles de servicio, etc. Por
ejemplo, el servicio puede incluir aspectos como la probabilidad de la demanda
que esta siendo satisfecha o el tiempo esperado para servir a una orden de un
cliente.
El costo de producción o de ordenar (uno de los dos casos) se produce en
función de la cantidad ordenada. Este costo, puede ser proporcional a la can-
tidad de la orden o puede ser mas general. Podría incorporar un costo de set
up mas un término lineal o podría ser cóncavo o convexo o mas general. El
costo de set up incluye los costos de oportunidad del tiempo de set up. Ese
2
costo de oportunidad podría especi…carse exógenamente o determinarse dentro
del modelo mismo. El costo de ordenamiento o de producción pueden explicarse
como el costo de cambiar el nivel de producción, mas que ser una función de la
cantidad ordenada.
Los costos de mantener inventario incluyen los costos …sicos y …nancieros,
como el costo de oportunidad del capital. Algunas veces las mermas se consid-
eran como costos de mantener inventario. Similarmente el valor promocional
de los superavit de inventarios se pueden considerar como costos de mantener
inventario.
Los costos de quiebres de inventario, escasez o de…cit se relacionan con los
de…cits de inventario, los cuales pueden ser acumulados, total o parcialmente o
simplemente no acumularse.
En cuanto al abastecimiento el tiempo de la orden de abastecimiento puede
ser determinístico o estocástico. Tambien podria ser predecible a traves del
tiempo. Esto habitualmente depende de aspectos como cuanto inventario a
mano se tenga en el momento de emisión de la orden en un punto de abastec-
imiento aguas arriba. Esto generalmente depende de las políticas de las orden de
otros productos cuando la demanda se asigna a una instalación productiva: las
políticas de ordenamiento afectan la variabilidad de los trabajos a ser procesa-
dos en la instalación, lo cual afecta la variabilidad del tiempo líder. La cantidad
recibida podría diferir de la cantidad ordenada debidos a variaciones en la pro-
ducción o defectos. La orden podria ser despachada en partes en un período de
tiempo.
Respecto al sistema …sico, generalmente existen una o varias instalaciones.
Cuando existe mas de una instalación existen diferentes distintas topologías
posibles, como oeración en serie, en paralelo o en forma de arbol. La forma
física de los productos podría preservarse a través de todas las instalaciones o
no.
En cuanto a la estructura de la información, los niveles de inventario pueden
ser revisados continuamente (sobre el tiempo) o periódicamente, por ejemplo
uan vez por dia, o una vez por año. Los niveles de stock pueden conocerse
exacta o inexactamente. Otra información como la distribución de la demanda
y costos pueden conocerse solo inexactamente.
Por ultimo, existen recursos que son usados mientras se ordena, almacena
y/o entrega un producto. Existen restricciones sobre el uso de recursos que
podrian ser satisfechas.
Razones para mantener inventarios Las economías de escala en la canti-
dad de la orden (tamaño de lote) ocurre en cualquier caso existen costos …jos
incurridos para cada orden no dependiente del tamaño de lote. Dichos costos
ocurren por el tiempo changeover, el tiempo de setup, etc. Los costos promedios
incurridos por semana decrecen cuando el tamaño de lote crece. De cualquier
forma, los costos de mantener inventario se elevan entre mas altos sean los niveles
de inventario. Las economías de escala tambien crecen cuando hay descuentos
por cantidad, aprendizaje y cambio de tecnología. Los stocks que se mantienen
3
en respuesta a las economías de escala son stocks cíclicos.
La variabilidad es otra razón para mantener inventarios. El entorno de la
demanda puede ser predecible o impredecible. La variabilidad impredecible es
aquella que es muy costosa de predecir. Los stocks de producción surgen en
respuesta de los periodos de demanda con peaks predecibles. Estos incrementan
los costos de mantener inventario pero reduce tanto los costos de escasez y los
costos adicionales de ordenar. En general los stocks se mantienen en respuesta a
la variabilidad y los tocks mantenidos ante las variabilidades predichas se conoce
como stock estacional.
Cuando se almacena mas como una medida de respuesta a la variabilidad
impredecible signi…ca mayores costos de mantener pero menores costos de es-
casez. Los stocks que se mantienen en respuesta a la variabilidad impredecible
son los stocks tipo bu¤er o inventarios de amortiguación.
Los con…ctos de intereses crecen cuando dos tomadores de decisiones tienen
distintos objetivos. Esto ocurre explícitamente cuando los vendedores compiten
sobre la base del inventario disponible para servir a potenciales compradores.
Decisiones que conlleven a tener bajos niveles de inventarios podrian resultar
en quiebres de inventario frecuentes, lo cual conlleva necesariamente a que los
clientes en el fututo tomen sus pedidos y se vayan a la competencia. Incluso,
podrian comunicar una experiencia de pobre servicio a otros potenciales com-
pradores y causar un deterioro en la demanda futura. Por lo tanto, las empresas
que siempre tienen inventarios a mano causan crecimiento en su demanda fu-
tura. Los stocks cuyo proposito es el de crear demanda futura adicional se
conocen como stocks promocionales.
1.2 Modelos de inventario determinísticos
1.2.1 Supuestos básicos
Generalmente en los modelos de inventario determinísticos se supone un pro-
ducto, el cual es restituido continuamente en unidades y es consumible o agotable.
Este producto no se deteriora y tiene un tiempo de vida in…nito. Estamos ante
un modelo en tiempo continuo con un horizonte in…nito de tiempo. En este
modelo, el nivle de stock es cero en el instante inicial (tiempo inicial cero) y
los niveles de inventario no requieren ser monitoreados, por lo que todas las
consecuencias pueden ser determinadas deterministicamente.
Aquí tambien los costos son conocidos exactamente. La demanda ocurre a
una tasa estacionaria y deterministica : por unidad de tiempo, y no es in‡uen-
ciable en el modelo. Los quiebres de inventario no son permitidos. Los costos
son estacionarios y consisten de un costo …jo de alistamiento (setup) denomi-
nado c
T
mas un costo proporcional de ordenar o producir el producto, llamado
c. Existe un costo porporcional de tener inventario c
H
por unidad de tiempo
que se carga a cada unidad del inventario que se tenga a mano. Existe una in-
stalacion productiva o una sola fuente de abastecimiento. El tiempo de la orden
4
(leadtime) es cero. No existe alguna restriccion sobre alguno de los recursos
utilizados. La producción de la orden se hace en un 100% y no hay defectos.
Existe un solo tomador de decisiones.
1.2.2 Resultados
Este modelo es el modelo clasico de cantidad economica de pedido (EOQ por
sus siglas en ingles), introducido por Harris (1913) y popularizado por Wilson
(1934). Se asume que Q es el tamaño de cada orden puesta; sea entonces Q el
tamaño de lote. La suma de los costos de setup y los costos de tener inventario
por unidad de tiempo estan dados por
mc
T
Q
+
Qc
H
2
.
la cual es convexa en Q (sobre su dominio [0. ·)) y es minimizada por la
expresión
Q

=
r
2:c
T
c
H
La suma optima inducida de costos de setup y costos de tener inventario por
unidad de tiempo esta dada por c
H
Q

=

2:c
T
c
H
. Alguna variabilidad en el
tamaño de lote de Q

en el tiempo incrementa los costos, de esta forma se tiene
que la politica optima es estacionaria.
1.2.3 Extensiones y variaciones con resultados similares
Existen numerosas extensiones y variaciones del modelo EOQ, el cual preserva
el supuesto que la demanda es deterministica y ocurre continuamente a una
tasa …ja. Por ejemplo, si el producto es medido en unidades discretas, entonces,
a traves de un procedimiento de redondeo se produce la solución optima. Si
existen varios productos con una restriccion de capacidad productiva, entonces,
el analisis lagrangeano puede aplicarse obteniendo de nuevo un tamaño de lote
optimo explícito. Algunas soluciones explícitas para varios casos pueden en-
contrarse en Parsons (1965). Si existe un leadtime deterministico distinto de
cero, entonces, cada ordenpuede colocarse de manera que esta es recibida exac-
tamente cuando el inventario a mano decrece a cero. Hadley y Within (1963)
realizan un compendio de extensiones del modelo EOQ.
1.2.4 El modelo del vendedor de diarios a un solo período.
En un modelo de un solo período, el nivel de inventario antes de ordenar es
una cantidad …ja dada. Son embargo, este no es el caso en los modelos multi-
periodos. Por tanto, será conveniente examinar como las decisiones optimas de
almacenamiento dependen del nivel de inventario inicial. Una de las ideas basi-
cas de la teoria de inventarios estocastica es que uno podria pensar la decision
optima de inventario como el nivel de inventario despues de ordenar, mas que la
cantidad ordenada, de hecho, se de…ne una política como una prescripción del
nivel de inventario depues de ordenar como una función del nivel de inventario
antes de ordenar.
5
Supuestos Se verá que elementos son distintos respecto al modelo EOQ. Ex-
iste un período discreto simple en el cual la demanda denotada por 1 ocurre.
Sea c la distribucion de probabilidad de 1 y j su media. El costo de ordenar
o producir c se carga por cada unidad a comprar o producir; el costo unitario
efectivo de tener inventario c
H
se calcula contra algun inventario remanente al
…nal de un período y un costo de de…cit c
P
se calcula sobre algun periodo con
quiebres de inventario. Si cada unidad de inventario remanente tiene un valor de
c
L
, entonces el costo efectivo de tener inventario es el actual costo c
H
menos c
L
.
Por tanto es posible que c
H
pueda ser negativo. Se asume que c
P
c ÷c
H
y que c es continua. Se asume tambien que la demanda es no negativa, asi que
c(r) = 0 para r < 0.
Resultados Sea n denota el nivel de stock despues de ordenar. La función de
costos para un periodo de tener inventarios y de de…cit de los mismos es
1(n) :=
Z
y
0
c
H
(n ÷:) dc(:) +
Z
1
y
(: ÷n) dc(:)
La función objetivo es por lo tanto la suma de los costos de ordenamiento y
de mantener inventarios:
o (n) : = cn +1(n) = cj + (c +c
H
)
Z
y
0
(n ÷:) dc(:)
+(c
P
÷c)
Z
1
y
(: ÷n) dc(:) . (1)
= cj + (c +c
H
) (n ÷j) + (c
P
+c
H
)
Z
1
y
(: ÷n) dc(:) . (2)
la cual es convexa y es minimizada cuando n = o, donde o es de…nido a
traves de la siguiente expresión:
c(o) =
c
P
÷c
c
P
+c
H
(3)
esto es,
o = c
1

c
P
÷c
c
P
+c
H

donde c
1
es la inversa de la función de distribución. La cantidad c :=
(c
P
÷c) ´ (c
P
+c
H
) es llamada fractil critico y es la probabilidad optima de no
tener quiebres de inventario. Entonces, o se ajusta de manera que la probabil-
idad de que no hayan quiebres de inventario sea c. Por lo tanto, 1 ÷ c es la
probabilidad optima de que hayan agotamiento de inventario. EL nivel optimo
de stock o puede encontrarse como se mostró anteriormente bajo el supuesto
que c
P
c ÷c
H
y c sea continuo. La razón optima de la demanda no satis-
fecha esperada esta dada por
R
1
y
(: ÷n) dc(:) ´j la cual es sustancialmente mas
6
pequeña que 1 ÷c. Por ejemplo, si la demanda esta distribuida normalmente,
con una desviación estandar igual a un 20% de la media y c = 0.67, entonces
la probabilidad optima de incurrir en de…cits es 0.33. No obstante la razón
optima de demanda no satisfecha para la demanda esperada es de 0.04. Esto
signi…ca que hay un 33% de chance de quiebres de inventario durante el periodo
pero solo un 4% de chance de que un comprador aleatorio pueda enfrentar un
agotamiento.
La expresión (1) algunas veces se formula directamente, usualmente sin el
término cj. La razón de ello es que este ultimo termino no depende del nivel
de stock. El término c + c
H
se podría lograr si unas pocas unidades fuesen or-
denadas al inicio del período. El costo unitario c podría ser ahorrado y el costo
de mantener adicional podria ser ahorrado al …nal del período. Similarmente,
el término c
P
÷c podría lograr el costo unitario de underage: dado que allí hay
un de…cit al …nal del período, un ahorro de c
P
÷c podria lograrse si una unidad
adicional fuese ordenada al inicio del período. El costo de escasez directo de
c
P
podría ser salvado, pero habría que incurrir en un costo c para obtener una
unidad adicional. El fractil crítico es la razón del costo unitario de underage al
…nal del período respecto a la suma de los costos unitarios de underage y de
overage. La probabilidad optima de de…cit es la razón del costo de overage uni-
tario respecto a la suma de los costos unitarios de underage y de overage. Otra
forma de expresar el mismo resultado es que la razón optima de la probabilidad
de escasez (de…cit) respecto a la probabilidad de superavit (teniendo restos o
remanentes de inventario) es igual a la razón del costo de superavit respecto al
costo de de…cit.
El primer termino de (2), -cj-, representa el costo esperado bajo información
perfecta (estar habilitado para seleccionar n despues de determinar que nivel de
demanda se presentará) y los otros dos terminos representan el valor esperado de
información perfecta, debido a que este costo podría ser eliminado enteramente
si el valor de la variable aleatoria demanda fue conocida antes de la decision de
almacenar tenga que ser tomada. El valor esperado de la información perfecta
en este caso es tambien llamada el costo de amortiguación o bu¤ers, porque este
es el costo debido a bu¤ers de mantener inventario, lo cual es debido solamente a
la existencia de variabilidad impredecible. El primer termino del costo de bu¤er
es proporcional al stock de amortiguación, el cual es n ÷j. El segundo termino
es una funcion de perdida la cual representa costos adicionales incurridos si la
demanda excede el nivel del stock.
La cantidad o ÷j es el inventario bu¤er optimo, el cual es stock mantenido
en exceso de la media, debido a la estocacidad en la demanda. Claramente,
cuando el nivel fractil es bajo, el nivel de stock optimo podria ser menos que la
media y el inventario bu¤er optimo podria ser negativo.
Otra manera para representar el nivel de stock optimo es reescribir (3) como
c
P
(1 ÷c(o)) = c +c
H
c(o)
el cual puede interpretarse como el establecimiento de bene…cios marginales
igual a los costos marginales: si una unidad adicional es guardada, entonces el
7
bene…cio marginal es que un costo unitario de escasez puede ser ahorrado si nos
hubieran surtido de producto. El costo marginal es el costo de producir/ordenar
c mas el costo de mantener unitario si se tuviera un stock remanente positivo.
Demanda distribuída normalmente Suponga que la demanda es aproxi-
madamente normalmente distribuída. Por ejemplo, la demand podría represen-
tar la suma de demandas de un gran numero de clientes. Como las demandas
de los clientes pueden ser variables aleatorias independientes e identicamente
distribuídas. Entonces, el teorema de limite central justi…ca el supuesto que
la demanda total es aproximadamente normal. Tecnicamente, una distribución
normal muestra al menos una pequeña probabilidad de demanda negativa la cual
se puede descartar. Sin embargo cuando las condiciones del teorema del límite
central se aplican, el uso de la distribución normal podría producir resultados
practicos con una exactitud su…ciente.
Sea o la desviación estandar, sea 1
N
denota la función de distribución normal
unitaria y sea . que satisface 1
N
(.) = c. Esto es . = 1
1
N
(c). Entonces, el
nivel de stock optimo esta dado por o = j+.o, el stock de bu¤er optimo es por
lo tanto .o y el valor de la función objetivo óptima inducida puede ser escrita
como
cj + [(c +c
H
) . + (c
P
+c
H
) 1
N
(.)] o
donde 1
N
es la función de perdida normal unitaria, la cual es frecuente-
mente presentada. En este caso,ambos, -el inventario bu¤er y el costo bu¤er
son proporcionales a la desviación estandar de la demanda.
La razón optima de la demanda esperada no satisfecha respecto a la demanda
esperada esta dado por (o´j) 1
N
(.). Existen aproximaciones analíticas tanto de
1
1
N
como de 1
N
. Abramowitz y Stegun (1972) presentan una lista de diversas
aproximaciones, muchas de ellas vienen de Hastings (1955). Nahmias y Schmidt
(1984) usan aproximaciones mas gruesas relativas a 1
1
N
.
Producto discontinuo o función de distribución discontinua Si el pro-
ducto es discreto o la distribución de la demanda c es discontinua, entonces o
es el n mas pequeño posible que satisface
c(n) _
c
P
÷c
c
P
+c
H
si se asume que c
P
_ c _ ÷c
H
, entonces o puede ser operacionalmente
obtenido como sigue:
dibuje la función de distribución, empiece en el origen, muevase verticalmente
al nivel de fractil c, muevase horizontalmente para intersectar la función de
distribución, muevase verticalmente para intersectar el eje r y moverse a la
derecha horizontalmente a el primer nivel de stock admisible. Si sin embargo,
c _ c
P
_ ÷c
H
, entonces o = ·es una solución optima. Si c
P
< ÷c
H
. entonces
la función objetivo es estrictamente concava y tambien n = 0 o n = ·es optimo.
8
Distribución de demanda desconocido Suponga que la distribución de
demanda es no conocida con certidumbre. Asuma que la forma funcional de la
demanda es conocida, pero que los parametros de la distribución son no conoci-
dos. Asuma que tenemos de entrada una distribución previa o apriori, sobre esos
parámetros. El analisis previo se lleva a traves de, como ahora la distribución
de la demanda tiene ahora dos niveles de incertidumbre: incertidumbre sobre
los parámetros de la distribución y dados los parámetros de la distribución,
incertidumbre acerca de la demanda.
Stock Inicial Suponga que hay un nivel inicial r de inventario, antes de
ordenar. La función objetivo ahora se convierte en
G(n; r) = c (n ÷r) +1(n) = o (n) ÷cr
Si vamos a ordenar hasra el nivel n, entonces incurrimos en el costo G(n; r).
Si no vamos a ordenar, el costo será G(r; r). Por tanto, para que valga la
pena ordenar hasta n, los ahorros de costo, los cuales ascienden a G(r; r) ÷
G(n; r) = o (r) ÷ o (n), debería ser positivo. La ventaja crítica de tener un
costo de ordenar/producir marginal es que solo necesitamos ver las diferencias
en la función o para determinar que es optimo.
Si o es cuasiconvexo, entonces, la política óptima es ordenar su…ciente para
que el nivel de existencias llegue hasta o, como de…nimos en las subsecciones
previas, si r _ o y no ordenar nada en caso contrario. Una política de este tipo
es llamada "base stock policy" y tambien se le llama "single critical number
policy". Esto es optimo de acercarse lo mas posible al nivel de existencia base.
Si o es no cuasi convexo, lo cual puede pasar si la funci{on de costos de escasez
y de mantener es una funci{on no lineal, entonces o puede poseer un minimo
local a la derecha de o (en puntos mas largos que o). En ese caso, la política
óptima podra mantenerse hasta o si r _ o, pero posiblemente a seguir una
politica mas complicada cuando r o.
Maximización de utilidades con almacenamiento parcial Suponga que
cada unidad de demanda conocida (satisfecha) produce un ingreso de j y cada
escasez se convierte en una venta perdida con probabilidad
LS
y es acumulada
con una probabilidad 1 ÷
LS
. CAda venta perdida resulta en la perdida de
ingreso unitario j y un costo unitario adicional de c
LS
debido a perdidas de
imagen o "good will ". Cada demada acumulada signi…ca que la demanda esta
eventualmente satisfecha, así que el ingreso unitario de j es recibido, pero se
incurre en un costo adicional de c
BL
, debido al ordenamiento especial, expedi-
cion extra y costo de oportunidad de la recepcion retrasada del ingreso y por
supuesto las perdidas de imagen. Por tanto, el ingreso esperado de un nivel de
existencias de n es
Z
y
0
j:dc(:) +
Z
1
y
jndc(:) +j (1 ÷
LS
) +
Z
1
y
(: ÷n) dc(:)
= jj ÷j
LS
Z
1
y
(: ÷n) dc(:)
9
El costo esperado se convierte en
cj + (c +c
H
)
Z
y
0
(n ÷:) dc(:)
+(c
BL
÷c +
LS
[c
LS
÷c
BL
])
Z
1
y
(: ÷n) dc(:)
Sustrayendo el costo esperado de los ingresos esperados se produce una nueva
función objetivo:
(j ÷c) j ÷(c +c
H
)
Z
y
0
(n ÷:) dc(:)
÷(c
BL
÷c +
LS
[j +c
LS
÷c
BL
])
Z
1
y
(: ÷n) dc(:)
= (j ÷c) j ÷(c +c
H
) (n ÷j)
÷(c
BL
+c
H
+
LS
[j +c
LS
÷c
BL
])
Z
1
y
(: ÷n) dc(:)
El termino (j ÷c) j representa ka utilidad esperada bajo información per-
fecta y los otros dos terminos son los costos bu¤er. En este caso, el costo unitario
overage en el modelo de vendedor de diarios se mantiene c +c
H
, entre tanto el
costo unitario underage se convierte en c
BL
÷c +
LS
[j +c
LS
÷c
BL
]. El nivel
de stock optimo se encuentra de manera usual.
Considere el caso cuando
LS
= 1, así que cada escasez se convierte en una
venta perdida. Si existe una condición underage y una unidad adicional puede
ordenarse, entonces, podriamos recibir los ingresos perdidos de j, ahorrando las
perdidas de good will de c
LS
, pero incurriendo en un costo unitario adicional de
c para ordenar la unidad, para un costo neto underage de j +c
LS
÷c. En este
caso, el fractil critico es (c +c
H
) ´ (j +c
LS
+c
H
). El costo de escasez efectivo
unitario se ha convertido en j+c
LS
. Uno podría no ser cuidadosi y contar doble
j ÷ c: si ahí no existe costo por una venta perdida que por ingresos perdidos,
entonces, c
LS
= 0 y j ÷c solo juega un rol de los costos underage.
Suponga que una elección puede hacerse entre las ventas perdidas sufridas y
las acumulaciones (ofreciendo llevar a cabo procedimientos de emergencia para
satisfacer alguna escasez) en el contexto de un sólo período. Esto es,
LS
es una
variable de decisión. La decisión se viene abajo con una simple comparación de
los costos underage en los dos casos: elegir las ventas perdidas si j+c
LS
< c
BL
,
y elegir acumulación en otro caso.
Fijación de precios (pricing) bajo ventas perdidas Construyendo sobre
el modelo de las secciones previas, suponga que el precio del producto tambien
es una variable de decisión. La demanda que sigue siendo una variable aleatoria
es in‡uenciada por el precio. Por conveniencia, asumimos que todos los quiebres
de inventario se convierten en ventas perdidas. (Los resultados se extienden al
caso mas general de acumulación parcial pero la exposición es mas clara con
notación mas simple). Sea j(j) denota la demanda media y c
p
la distribución
10
de probabilidad de la demanda, ambas como funciones del precio j. La función
objetivo es por tanto la genaralización obvia de lo visto en las secciones previas:
(j ÷c) j(j) ÷(c +c
H
) (n ÷j(j))
÷(j +c
LS
+c
H
)
Z
y
(: ÷n) dc
p
(:) .
El primer termino, es la función de retorno de riesgo (el retorno esperado
bajo certidumbre) y el precio que maximiza eso retorno es el precio de riesgo,
el cual el precio óptimo …jado por un monopolista en una forma de …jación
deterministica. Los ultimos dos terminos entregan el costo de bu¤er.
Las soluciones analíticas explícitas tanto para el nivel de existencias optimo
y el precio optimo no se encuentran disponibles en general. Sin embargo, la
solución de fractil crítico es aun válida, así que dado algun precio j, el nivel de
stock optimo podrá satisfacer
c
p
(o) =
j +c
LS
÷c
j +c
LS
+c
H
.
Por ejemplo, si c
LS
= c
H
= 0, entonces la condición puede ser escrita como
j

1 ÷c
p
(o)

= c, lo cual puede interpretarse como el ingreso marginal …jado
igual a el costo marginal. En este caso, el ingreso marginal es el ingreso marginal
esperado, debido a guardar otra unidad, lo cual iguala el unit price times la
probabilidad de vender esa unidad marginal, lo cual es la probabilidad de que
no haya existencias.
Si en general, tentativamente …jamos el precio y encontramos el nivel de stock
optimo como una función del precio, y entonces substituimos ese nivel de exis-
tencias optimo atras en la función objetivo, la función objetivo inducida podra
ser una función solo del precio. Cuando la demanda se encuentra normalmente
distribuída, esa función puede escribirse como
(j ÷c) j(j) ÷[(c +c
H
) . (j) + (j +c
LS
+c
H
) 1
N
(. (j))] o (j)
donde se continua usando la notación de seciones anteriores.
Young (1978) introducjo un modo conveniente para modelar la demanda
incierta: asuma que j(j) puede ser descompuesto en la suma de j
1
(j) +j
2
(j)
y que existe una variable aleatoria no negativa A la cual es independiente de j
tal que la demanda durante el período equivale a j
1
(j) A + j
2
(j). Asumimos
que sin perdida de generalidad que A tiene una media de uno. Existen dos
casos prominentes de esta representación, los cuales son el caos aditivo y el
multiplicativo. En el caso multiplicativo, j
2
(j) = 0, asi la demanda es el
producto j
1
(j) A. En el caso aditivo j
1
(j) es una constante, asi al reescalar,
la demanda puede ser representada por j(j) + 1 , donde 1 es una variable
aleatoria la cual es dependiente de j y sin perdida de generalidad, se asume que
tiene una media de cero.
Asumiendo que la función de retorno de riesgo tiene un maximo local unico,
Karlin y Carr (1962) mostraron que el precio optimo es mas grande que el
11
precio de riesgo en el caso multiplicativo y es menos que el precio de riesgo en
el caso aditivo. Mills (1962) y Zabel (1970) examinan el modelo mas general
en el cual la función de costo de producir/ordenar es convexa y creciente. Bajo
algunos supuestos mas restrictivos adicionales, ellos obtienen el mismo resultado:
Mills (1962) mostró que el precio optimo es menos que el precio de riesgo en el
caso aditivo y Zabel (1970) mostró que el precio optimo es mas grande que el
precio de riskless en el caso multiplicativo. Young (1978) entrega condiciones,
incluyendo convexidad de la funcion de costos de ordenar/producir, bajo las
cuales si la varianza de la demanda es una función creciente del precio, lo cual es
una generalizacion del caso aditivo, entonces el precio optimo es estrictamente
menos que el precio de riesgo. El tambien mostró que si la función de costo
de producción/ordenar es concava y las otras condiciones se mantienen y el
coe…ciente de variación de la demanda es una función decreciente del precio, lo
cual es una generalización del caso multiplicativo, entonces el precio optimo es
estrictamente mas grande que el precio de riesgo. Esos resultados muestran que
la introducción de incertidumbre en el modelo monopolico clasico de …jación
de precio afecta el precio optimo en el sentido que depende de la naturaleza
de la incertidumbre: la incertidumbre aditiva tiende a reducir el precio y la
incertidumbre multiplicativa tiende a incrementarlo.
Thowsen (1975) mostro que si la demanda incierta es aditiva, si la función
de densidad de probabilidad de la incertidumbre aditiva es 11
2
, y la función de
demanda esperada j(j) es lineal, entonces la política óptima es una politica de
lista de precios para el stock base: si el nivel de inventario inicial es mas bajo
que el nivel de existencias base, entonces ese nivel de existencias es repuesto y se
carga el precio de lista. Si el inventario inicial es superior al nivel de stock base,
entonces no se ordena nada y se ofrece un precio de descuento. Adicionalmente,
mientras mas alto sea el exceso del nivel de inventario inicial, mayor será el
descuento optimo ofrecido. Esto es, el precio optimo es una función no creciente
del nivel de inventario inicial y ningun desdecuento es ofrecido a menos qe el
nivel de producto este por sobre el nivel de stock base.
Costo no lineales, convexos de escasez y de mantener inventarios
Suponga que las funciones de costo de mantener inventario y de escasez del
mismo son posiblemente no lineales y convexas. Sea c
H
() denota el costo de
mantener cargado sobre algun nivel …nal de inventario y c
p
() denota el costo de
escasez cargado sobre el …nal del periodo de escasez. es conveniente combinar
esas dos funciones en una sola función como sígue. Sea c
HP
() de…nida por
c
HP
(r) = ¦
c
H
(r) si r _ 0
c
p
(÷r) otro caso
se puede pensar en r como el nivel de existencias despues de ordenar menos
la demanda. Si r es positivo, entonces calculamos el costo de mantener sobre
cada unidad remanente. Si r es negativo, entonces ÷r entrega el numero de
escaseces (demanda no satisfecha) y calculamos el costo de escasez sobre esos.
Entonces, el costo de mantener esperado y el costo de escasez (perdida) en la
12
función 1 se puede escribir como
1(n) =
Z
1
0
c
HP
(n ÷:) dc(:) .
La expresión para 1 puede ser escrita de la misma forma en como se escribió
en la sección 3.2., excepto que c
HP
() y c
p
() podrían ser funciones no lineales.
Suponga que c
HP
() es convexa, lo cual sera cierto si tanto c
H
() y c
p
() son
convexas sobre [0. ·) . c
H
(0) = c
p
(0) = 0, y si las condiciones analogas para
nuestro supuesto inicial de que c
p
c ÷c
H
se mantienen. En este caso, 1
continua siendo convexo, la función objetivo es nuevamente convexa y por lo
tanto el nivel de existencias optimo puede encontrarse usando las condiciones
de primer orden: el nivel de existencias optimo satisface
1
0
(o) = ÷c
Esto es, 1
0
es una función creciente y el nivel de existencias optimo ocurre
en algun punto donde 1
0
sea igual a ÷c.
Costo cuadraticos de escasez y de mantener inventarios Considere el
caso especial en el cual la función de costos de escasez y mantener c
HP
es no
solo convexa, pero cuadratica. Una formula simple, explícita para el nivel de
existencias resulta. Indeed, el nivel de existencia optimo puede determinarse
encontrando el punto donde c
HP
se minimiza, y añadiendo la demanda media.
Por ejemplo, si c
HP
es minimizado a cero, lo cual es ordinariamente asumido
para ser el caso, como no hay escasez o remanentes en ese punto, entonces el
nivel de existencia optimo es la demanda media. Es optimo tener un stock
bu¤er de cero en este caso. Esencialmente, los costos de underage y overage son
los mismos, de esta forma es optima almacenar la demanda media. En el caso
lineal, guardamos la demanda media cuando los costos de overage y underage
son los mismos.
Una consecuencia importante de el uso de funciones cuadraticas aqui es que
la solución optima puede obtenerse resolviendo el problema determinístico el
cual simplemente asume que la demanda siempre es igual a sus medias. Esta
observación es el centro de la base de los resultados del problema de control
estocastico lineal/cuadratico (Bertsekas (1987) presenta una introducción de
estos resultados).
Costo no lineales, no convexos de escasez y de mantener inventarios
Suponga que las funciones de costo de mantener inventario y de escasez del
mismo son posiblemente no lineales y no convexos. En particular, asumimos
que la función c
HP
() no es convexa. En este caso, es util de…nir la siguiente
nueva funcion de costos "…nales":
c
E
(r) := cr +c
HP
(r)
13
así que la función objetivo puede ser escrita como
o (n) = cj +
Z
1
0
c
E
(n ÷:) dc(:)
la cual es la suma de una constante y una convolución de la funcion de
costos de …nalización, c
E
() y la distribución de la demanda. La ventaja de esta
representación es que si c
E
() es cuasi convexa y c es 11
2
, entonces o es cuasi
convexa, así que si o
0
atraviesa cero, por ejemplo a o, entonces o es un minimo
global de o y por lo tanto el nivel de existencia optimo. Ver Karlin (1958a,
1968) y Barlow y Proschan (1965) para de…niciones, ejemplos, resultados, y
aplicaciones de distribuciones 11
2
. El resultado esta basado sobre el hecho que
si una función real valorada de una variable real sola cambia "de signo" a lo mas
como su argumento incrementa de ÷· a ·, entonces su convolución con una
distribución 11
2
podrá tambien "inherit" esa propiedad. Cuando cada cosa es
diferenciable, el resultado entonces continua por la examinación de la derivada
de o: la derivada de c
E
() cambia de "signo" a lo mas una vez, asi la derivada de
o podrá cambiar de signo a lo mas una vez (las diferencias se examinan cuando
la diferenciabilidad no puede ser asumida).
Costos de Set-Up Suponga que, en adición a la existencia de stock inicial,
exíste un costo de setup c
T
en que se incurre si una orden tiene lugar. De…niendo
la función o como en la sección 3.2., se puede ver que se vale del pedido, los
ahorros de costo, los cuales siguen ascendiendo a o (r) ÷ o (n) podrían exceder
el costo …jo, c
T
, de poner una orden.
Como se indicó antes, o es convexa y es minimizada en o. Por tanto, si se
va a hacer una orden, quisieramos que terminara en o. Por tanto si r _ o,
claramente no queremos poner una orden, debido a que o es creciente sobre
[o. ·), asi que incrementar el nivel de existencias solo incrementaría los costos.
Si r _ o nosotros podriamos aun no querer una orden, porque poner una orden
incurre en costos …jo de c
T
, Independiente del tamaño de la orden, asi mas que
c
T
podría ahorrarse por poner una orden: si o (r) o (o)+c
T
, entonces ordenar
su…ciente para traer el nivel de existencias a o. Si o (r) < o (o) +c
T
entonces
no se ordena. Una política (:. o) ordena lo su…ciente como para traer el nivel de
stock hasta o siel nivel de existencias inicial esta por debajo de : y no se ordena
en otro caso. El parámetro : es llamado el punto de ordenamiento y o es llamado
el nivel de ordenamiento. Debido a que o es convexa, una política (:. o) es
optima (para el problema de un solo período). Para encontrar el punto de orden
optimo : operacionalmente, dibuje o, encuentre o donde o se minimiza, mueva
verticalmente al punto c
T
+ o (o), muevase horizontalmente hacia la izquierda
hasta que o sea intersectado: el punto de ordenamiento satisface o (:) = c
T
+
o (o) y : _ o. (Si o es discontinuo, habrá que hacer un ligero ajuste).
Si o es cuasi 1÷convexo para algun 1 _ c
T
, entonces una política (:. o)
podria seguir siendo optima. Bajo regularmente razonables, si c
E
() como se
de…nió en la seccion 3.11, es cuasi 1÷convexo y c es una convolución …nita de
distribuciones uniforme y Polya (Dirichet), entonces o podria tambien ser cuasi
14
1÷convexa. Si c
HP
() como se de…nió en la sección 3.9, es 1÷convexo y por
lo tanto cuasi 1÷convexo.
Cantidad de ordenes mínima y máxima Suponga que hay un tamaño
mínimo de orden a y un tamaño maximo de orden /, donde 0 _ a _ / _ ·.
Si a = /, entonces un sólo tamaño de orden es posible. Suponga tambien que
existe un inventario inicial r. Para encontrar el nivel de existencias optimo o

,
dado que una orden va a ser hecha, podemos ignorar temporalmente los límites
y encontrar la solución de fractil crítico o. Desde que la función objetivo sea
convexa, el nivel de existencia optimo se encuentra haciendo el minimo ajuste a
la solución de fractil crítico para hacer esto factible. Esto es, si a _ o ÷r _ /,
entonces trae el nivel hasta o

= o. Si o ÷ r < a, entonces ordenese a para
traer el nivel hasta o

(r) = r +/.
Para determinar si hacer si no una orden, la compraración podría hecerse
entre o (r), el costo si ninguna orden es hecha, y o (o

), el costo si una orden es
hecha. Sea : denota un número real que satisface o (:) = o (: +a). considerando
o a de…nirse sobre la linea real entera y asumiendo o (r) ÷·como [r[ ÷·, tal
: puede siempre encontrarse porque o es convexa. Entonces : tambien satisfece:
: _ o. o (r) _ o (r +a) para r _ : y o (r) _ o (r +a) para r _ :. Si o ÷a _ :,
entonces el nivel de stock optimo como una función de r esta dado por:
o

(r) = ¦
r +/
o
r +a
r
si
si
si
en
r _ o ÷/
o ÷/ _ r _ o ÷a
o ÷a _ r _ :
otro caso
Si o ÷ a :, entonces el ajuste obvio se podria realizar. Si existe un costo
de setup, entonces la de…nición de : cambia y ajustes futuros obvios se podrian
realizar.
15

La demanda puede ser determinística o estocástica. como lo son los quiebres de inventario. el proceso de demanda podría tener o no incrementos independientes. Los inventarios de productos individuales pueden ser reabastecidos en unidades discretas o continuas. Los modelos de inventario pueden diferir considerablemente debido a la diferencia en la forma (convexa o concava) de las funciones de costo. tal como lo es el dueño de la empresa. de cada producto. Cuando la demanda se considera como un proceso estocástico. mejoramiento de la calidad y otros mas. El horizonte de tiempo es el intervalo de tiempo sobre el cual las consecuencias de la política del inventario podrían ser medidas. como podría ser estacionario o no estacionario y podría estar sujeta a in‡ uencia endógena. el servicio puede incluir aspectos como la probabilidad de la demanda que esta siendo satisfecha o el tiempo esperado para servir a una orden de un cliente. el conjunto de variables de decisión en un modelo de inventario siempre incluye la cantidad a ordenar o a producir. secuenciamiento de la producción. Los ingresos algunas veces tambien se incluyen. Los horizontes de tiempo pueden ser …nitos o in…nitos y tambien determinísticos o estocásticos. se podría decir que existe un tomador de decisiones o varios. los tiempos de servicio al cliente. Un tomador de decisiones. Ese 2 . etc. El costo de set up incluye los costos de oportunidad del tiempo de set up. expansión de capacidad. como aquellos que tienen un tiempo de vida …nito o estar sujetos a deterioros o decrementos (mermas). entre otros. Existen tambien otras consecuencias medibles en la función objetivo. En cuanto a las variables de decisión. inspecciones. El comportamiento de los compradores. Podría incorporar un costo de set up mas un término lineal o podría ser cóncavo o convexo o mas general. costos de mantener inventario y costos de escasez. El deterioro podría ser determinístico o estocástico. Los productos podrian estar sujetos a deterioro. Respecto a la estructura de toma de decisiones. y un tomador de decisiones como el administrador del inventario podría operar sobre dichas reglas. El costo de producción o de ordenar (uno de los dos casos) se produce en función de la cantidad ordenada. como una función de la información disponible sobre los niveles de inventario en todo instante de tiempo.tos y estos pueden ser consumibles o parcialmente reusables. Este costo. puede ser proporcional a la cantidad de la orden o puede ser mas general. La función objetivo de un modelo de inventario casi siempre tiene en cuenta costos de ordenar o producir. podría …jar las reglas. fechas de programación de entregas. Podrían existir otras variables de decisión que incluyan otras cosas tales como precio. El tiempo puede ser continuo o discreto. tales como ingresos. Por ejemplo. proveedores y competidores podría ser o no modelado explícitamente. niveles de servicio. reducción de tiempos de alistamiento. los precios.

La cantidad recibida podría diferir de la cantidad ordenada debidos a variaciones en la producción o defectos. Los costos de quiebres de inventario. Esto generalmente depende de las políticas de las orden de otros productos cuando la demanda se asigna a una instalación productiva: las políticas de ordenamiento afectan la variabilidad de los trabajos a ser procesados en la instalación. lo cual afecta la variabilidad del tiempo líder. generalmente existen una o varias instalaciones. Algunas veces las mermas se consideran como costos de mantener inventario. en paralelo o en forma de arbol. Razones para mantener inventarios Las economías de escala en la cantidad de la orden (tamaño de lote) ocurre en cualquier caso existen costos …jos incurridos para cada orden no dependiente del tamaño de lote. etc. Los niveles de stock pueden conocerse exacta o inexactamente. mas que ser una función de la cantidad ordenada. aprendizaje y cambio de tecnología. Por ultimo. Respecto al sistema …sico. los cuales pueden ser acumulados. existen recursos que son usados mientras se ordena. Tambien podria ser predecible a traves del tiempo. Los stocks que se mantienen 3 . como el costo de oportunidad del capital. por ejemplo uan vez por dia. almacena y/o entrega un producto. De cualquier forma. Dichos costos ocurren por el tiempo changeover. Las economías de escala tambien crecen cuando hay descuentos por cantidad. o una vez por año. los niveles de inventario pueden ser revisados continuamente (sobre el tiempo) o periódicamente. los costos de mantener inventario se elevan entre mas altos sean los niveles de inventario. Existen restricciones sobre el uso de recursos que podrian ser satisfechas.costo de oportunidad podría especi…carse exógenamente o determinarse dentro del modelo mismo. Cuando existe mas de una instalación existen diferentes distintas topologías posibles. En cuanto al abastecimiento el tiempo de la orden de abastecimiento puede ser determinístico o estocástico. Otra información como la distribución de la demanda y costos pueden conocerse solo inexactamente. En cuanto a la estructura de la información. como oeración en serie. escasez o de…cit se relacionan con los de…cits de inventario. el tiempo de setup. total o parcialmente o simplemente no acumularse. Los costos promedios incurridos por semana decrecen cuando el tamaño de lote crece. Esto habitualmente depende de aspectos como cuanto inventario a mano se tenga en el momento de emisión de la orden en un punto de abastecimiento aguas arriba. La orden podria ser despachada en partes en un período de tiempo. El costo de ordenamiento o de producción pueden explicarse como el costo de cambiar el nivel de producción. Similarmente el valor promocional de los superavit de inventarios se pueden considerar como costos de mantener inventario. Los costos de mantener inventario incluyen los costos …sicos y …nancieros. La forma física de los productos podría preservarse a través de todas las instalaciones o no.

Cuando se almacena mas como una medida de respuesta a la variabilidad impredecible signi…ca mayores costos de mantener pero menores costos de escasez. podrian comunicar una experiencia de pobre servicio a otros potenciales compradores y causar un deterioro en la demanda futura. La variabilidad impredecible es aquella que es muy costosa de predecir. por lo que todas las consecuencias pueden ser determinadas deterministicamente. Los quiebres de inventario no son permitidos.en respuesta a las economías de escala son stocks cíclicos.2. La variabilidad es otra razón para mantener inventarios. lo cual conlleva necesariamente a que los clientes en el fututo tomen sus pedidos y se vayan a la competencia. Aquí tambien los costos son conocidos exactamente. Existe una instalacion productiva o una sola fuente de abastecimiento. las empresas que siempre tienen inventarios a mano causan crecimiento en su demanda futura. llamado c. La demanda ocurre a una tasa estacionaria y deterministica m por unidad de tiempo. Existe un costo porporcional de tener inventario cH por unidad de tiempo que se carga a cada unidad del inventario que se tenga a mano. Los stocks de producción surgen en respuesta de los periodos de demanda con peaks predecibles. En general los stocks se mantienen en respuesta a la variabilidad y los tocks mantenidos ante las variabilidades predichas se conoce como stock estacional. el nivle de stock es cero en el instante inicial (tiempo inicial cero) y los niveles de inventario no requieren ser monitoreados. Los con…ctos de intereses crecen cuando dos tomadores de decisiones tienen distintos objetivos. Por lo tanto. y no es in‡ uenciable en el modelo. El entorno de la demanda puede ser predecible o impredecible. Esto ocurre explícitamente cuando los vendedores compiten sobre la base del inventario disponible para servir a potenciales compradores. El tiempo de la orden 4 . Incluso.1 Modelos de inventario determinísticos Supuestos básicos Generalmente en los modelos de inventario determinísticos se supone un producto. Estamos ante un modelo en tiempo continuo con un horizonte in…nito de tiempo. Los stocks que se mantienen en respuesta a la variabilidad impredecible son los stocks tipo bu¤er o inventarios de amortiguación. Estos incrementan los costos de mantener inventario pero reduce tanto los costos de escasez y los costos adicionales de ordenar. Los costos son estacionarios y consisten de un costo …jo de alistamiento (setup) denominado cT mas un costo proporcional de ordenar o producir el producto. Decisiones que conlleven a tener bajos niveles de inventarios podrian resultar en quiebres de inventario frecuentes. Los stocks cuyo proposito es el de crear demanda futura adicional se conocen como stocks promocionales. el cual es restituido continuamente en unidades y es consumible o agotable. En este modelo.2 1. 1. Este producto no se deteriora y tiene un tiempo de vida in…nito.

No existe alguna restriccion sobre alguno de los recursos utilizados. Existe un solo tomador de decisiones. La producción de la orden se hace en un 100% y no hay defectos. Por tanto. el cual preserva el supuesto que la demanda es deterministica y ocurre continuamente a una tasa …ja. Una de las ideas basicas de la teoria de inventarios estocastica es que uno podria pensar la decision optima de inventario como el nivel de inventario despues de ordenar. de esta forma se tiene que la politica optima es estacionaria. Por ejemplo. La suma de los costos de setup y los costos de tener inventario por unidad de tiempo estan dados por mcT + QcH .(leadtime) es cero. Q 2 la cual es convexa en Q (sobre su dominio [0. 5 . Si existe un leadtime deterministico distinto de cero. el nivel de inventario antes de ordenar es una cantidad …ja dada. será conveniente examinar como las decisiones optimas de almacenamiento dependen del nivel de inventario inicial. 1. 1. Algunas soluciones explícitas para varios casos pueden encontrarse en Parsons (1965). sea entonces Q el tamaño de lote. Hadley y Within (1963) realizan un compendio de extensiones del modelo EOQ. entonces. si el producto es medido en unidades discretas.2. 1. a traves de un procedimiento de redondeo se produce la solución optima. se de…ne una política como una prescripción del nivel de inventario depues de ordenar como una función del nivel de inventario antes de ordenar. introducido por Harris (1913) y popularizado por Wilson (1934). Se asume que Q es el tamaño de cada orden puesta. el analisis lagrangeano puede aplicarse obteniendo de nuevo un tamaño de lote optimo explícito. mas que la cantidad ordenada. de hecho.2 Resultados Este modelo es el modelo clasico de cantidad economica de pedido (EOQ por sus siglas en ingles). Alguna variabilidad en el tamaño de lote de Q en el tiempo incrementa los costos. entonces. este no es el caso en los modelos multiperiodos. entonces. En un modelo de un solo período.2.4 El modelo del vendedor de diarios a un solo período. 1)) y es minimizada por la expresión r 2mcT Q = cH La suma optima inducida de costos de p setup y costos de tener inventario por unidad de tiempo esta dada por cH Q = 2mcT cH . Son embargo. Si existen varios productos con una restriccion de capacidad productiva.2.3 Extensiones y variaciones con resultados similares Existen numerosas extensiones y variaciones del modelo EOQ. cada ordenpuede colocarse de manera que esta es recibida exactamente cuando el inventario a mano decrece a cero.

Entonces. Existe un período discreto simple en el cual la demanda denotada por D ocurre. asi que (x) = 0 para x < 0. entonces el costo efectivo de tener inventario es el actual costo cH menos cL . El costo de ordenar o producir c se carga por cada unidad a comprar o producir. La cantidad := (cP c) = (cP + cH ) es llamada fractil critico y es la probabilidad optima de no tener quiebres de inventario. donde S es de…nido a traves de la siguiente expresión: (S) = esto es. Se asume que cP > c > cH y que es continua. Sea la distribucion de probabilidad de D y su media. S= 1 cP c cP + cH (3) cP c cP + cH 1 donde es la inversa de la función de distribución.Supuestos Se verá que elementos son distintos respecto al modelo EOQ. (2) y la cual es convexa y es minimizada cuando y = S. y g (y) : )d ( ) (1) 1 = c + (c + cH ) (y ) + (cP + cH ) Z ( y) d ( ) . Por lo tanto. Se asume tambien que la demanda es no negativa. Por tanto es posible que cH pueda ser negativo. Si cada unidad de inventario remanente tiene un valor de cL . Resultados Sea y denota el nivel de stock despues de ordenar. el costo unitario efectivo de tener inventario cH se calcula contra algun inventario remanente al …nal de un período y un costo de de…cit cP se calcula sobre algun periodo con quiebres de inventario. La razón optima de la demanda no satisR1 fecha esperada esta dada por y ( y) d ( ) = la cual es sustancialmente mas 6 . 1 es la probabilidad optima de que hayan agotamiento de inventario. S se ajusta de manera que la probabilidad de que no hayan quiebres de inventario sea . La función de costos para un periodo de tener inventarios y de de…cit de los mismos es Z y Z 1 L (y) := cH (y )d ( ) + ( y) d ( ) 0 y La función objetivo es por lo tanto la suma de los costos de ordenamiento y de mantener inventarios: Z y = cy + L (y) = c + (c + cH ) (y 0 Z 1 + (cP c) ( y) d ( ) . EL nivel optimo de stock S puede encontrarse como se mostró anteriormente bajo el supuesto que cP > c > cH y sea continuo.

Otra forma de expresar el mismo resultado es que la razón optima de la probabilidad de escasez (de…cit) respecto a la probabilidad de superavit (teniendo restos o remanentes de inventario) es igual a la razón del costo de superavit respecto al costo de de…cit. con una desviación estandar igual a un 20% de la media y = 0:67. porque este es el costo debido a bu¤ers de mantener inventario. No obstante la razón optima de demanda no satisfecha para la demanda esperada es de 0:04. -c -. entonces el 7 . un ahorro de cP c podria lograrse si una unidad adicional fuese ordenada al inicio del período. el cual es stock mantenido en exceso de la media. El primer termino de (2). El fractil crítico es la razón del costo unitario de underage al …nal del período respecto a la suma de los costos unitarios de underage y de overage. debido a la estocacidad en la demanda. La expresión (1) algunas veces se formula directamente. usualmente sin el término c . Otra manera para representar el nivel de stock optimo es reescribir (3) como cP (1 (S)) = c + cH (S) el cual puede interpretarse como el establecimiento de bene…cios marginales igual a los costos marginales: si una unidad adicional es guardada. el término cP c podría lograr el costo unitario de underage: dado que allí hay un de…cit al …nal del período. si la demanda esta distribuida normalmente. El término c + cH se podría lograr si unas pocas unidades fuesen ordenadas al inicio del período. Esto signi…ca que hay un 33% de chance de quiebres de inventario durante el periodo pero solo un 4% de chance de que un comprador aleatorio pueda enfrentar un agotamiento. lo cual es debido solamente a la existencia de variabilidad impredecible. cuando el nivel fractil es bajo. El valor esperado de la información perfecta en este caso es tambien llamada el costo de amortiguación o bu¤ers. Claramente. El costo de escasez directo de cP podría ser salvado. entonces la probabilidad optima de incurrir en de…cits es 0:33. Por ejemplo. El primer termino del costo de bu¤er es proporcional al stock de amortiguación.pequeña que 1 . La probabilidad optima de de…cit es la razón del costo de overage unitario respecto a la suma de los costos unitarios de underage y de overage. Similarmente. el cual es y . pero habría que incurrir en un costo c para obtener una unidad adicional. La cantidad S es el inventario bu¤er optimo. debido a que este costo podría ser eliminado enteramente si el valor de la variable aleatoria demanda fue conocida antes de la decision de almacenar tenga que ser tomada. representa el costo esperado bajo información perfecta (estar habilitado para seleccionar y despues de determinar que nivel de demanda se presentará) y los otros dos terminos representan el valor esperado de información perfecta. El costo unitario c podría ser ahorrado y el costo de mantener adicional podria ser ahorrado al …nal del período. El segundo termino es una funcion de perdida la cual representa costos adicionales incurridos si la demanda excede el nivel del stock. La razón de ello es que este ultimo termino no depende del nivel de stock. el nivel de stock optimo podria ser menos que la media y el inventario bu¤er optimo podria ser negativo.

Nahmias y Schmidt (1984) usan aproximaciones mas gruesas relativas a PN 1 . una distribución normal muestra al menos una pequeña probabilidad de demanda negativa la cual se puede descartar. la demand podría representar la suma de demandas de un gran numero de clientes.bene…cio marginal es que un costo unitario de escasez puede ser ahorrado si nos hubieran surtido de producto. empiece en el origen. El costo marginal es el costo de producir/ordenar c mas el costo de mantener unitario si se tuviera un stock remanente positivo.ambos. Tecnicamente. entonces la función objetivo es estrictamente concava y tambien y = 0 o y = 1 es optimo. el stock de bu¤er optimo es por lo tanto z y el valor de la función objetivo óptima inducida puede ser escrita como c + [(c + cH ) z + (cP + cH ) IN (z)] donde IN es la función de perdida normal unitaria. entonces S es el y mas pequeño posible que satisface (y) cP c cP + cH si se asume que cP c cH . Por ejemplo. Sin embargo cuando las condiciones del teorema del límite central se aplican. Como las demandas de los clientes pueden ser variables aleatorias independientes e identicamente distribuídas. Si sin embargo. muevase horizontalmente para intersectar la función de distribución. La razón optima de la demanda esperada no satisfecha respecto a la demanda esperada esta dado por ( = ) IN (z). Entonces. -el inventario bu¤er y el costo bu¤er son proporcionales a la desviación estandar de la demanda. el uso de la distribución normal podría producir resultados practicos con una exactitud su…ciente. la cual es frecuentemente presentada. el teorema de limite central justi…ca el supuesto que la demanda total es aproximadamente normal. muevase verticalmente al nivel de fractil . Sea la desviación estandar. 8 . Demanda distribuída normalmente Suponga que la demanda es aproximadamente normalmente distribuída. Entonces. Si cP < cH . Existen aproximaciones analíticas tanto de PN 1 como de IN . En este caso. sea PN denota la función de distribución normal unitaria y sea z que satisface PN (z) = . entonces S = 1 es una solución optima. muchas de ellas vienen de Hastings (1955). muevase verticalmente para intersectar el eje x y moverse a la derecha horizontalmente a el primer nivel de stock admisible. entonces S puede ser operacionalmente obtenido como sigue: dibuje la función de distribución. Esto es z = PN 1 ( ). c cP cH . el nivel de stock optimo esta dado por S = + z . Producto discontinuo o función de distribución discontinua Si el producto es discreto o la distribución de la demanda es discontinua. Abramowitz y Stegun (1972) presentan una lista de diversas aproximaciones.

Maximización de utilidades con almacenamiento parcial Suponga que cada unidad de demanda conocida (satisfecha) produce un ingreso de p y cada escasez se convierte en una venta perdida con probabilidad LS y es acumulada con una probabilidad 1 LS . si x S y no ordenar nada en caso contrario. lo cual puede pasar si la funci{on de costos de escasez y de mantener es una funci{on no lineal. entonces. expedicion extra y costo de oportunidad de la recepcion retrasada del ingreso y por supuesto las perdidas de imagen. Asuma que tenemos de entrada una distribución previa o apriori. El analisis previo se lleva a traves de. la política óptima es ordenar su…ciente para que el nivel de existencias llegue hasta S. Si g es cuasiconvexo.Distribución de demanda desconocido Suponga que la distribución de demanda es no conocida con certidumbre. x) = g (x) g (y). los ahorros de costo. para que valga la pena ordenar hasta y. Esto es optimo de acercarse lo mas posible al nivel de existencia base. Si no vamos a ordenar. pero posiblemente a seguir una politica mas complicada cuando x > S. el ingreso esperado de un nivel de existencias de y es Z y Z 1 Z 1 p d ( )+ pyd ( ) + p (1 )+ ( y) d ( ) LS 0 = p p LS Z y y 1 ( y) d ( ) y 9 . la política óptima podra mantenerse hasta S si x S. entonces g puede poseer un minimo local a la derecha de S (en puntos mas largos que S). En ese caso. pero que los parametros de la distribución son no conocidos. La ventaja crítica de tener un costo de ordenar/producir marginal es que solo necesitamos ver las diferencias en la función g para determinar que es optimo. así que el ingreso unitario de p es recibido. x) G (y. Stock Inicial Suponga que hay un nivel inicial x de inventario. como ahora la distribución de la demanda tiene ahora dos niveles de incertidumbre: incertidumbre sobre los parámetros de la distribución y dados los parámetros de la distribución. incertidumbre acerca de la demanda. antes de ordenar. el costo será G (x. entonces incurrimos en el costo G (y. Asuma que la forma funcional de la demanda es conocida. sobre esos parámetros. x). Por tanto. La función objetivo ahora se convierte en G (y. x) = c (y x) + L (y) = g (y) cx Si vamos a ordenar hasra el nivel y. Por tanto. Cada demada acumulada signi…ca que la demanda esta eventualmente satisfecha. debería ser positivo. Si g es no cuasi convexo. debido al ordenamiento especial. Una política de este tipo es llamada "base stock policy" y tambien se le llama "single critical number policy". los cuales ascienden a G (x. CAda venta perdida resulta en la perdida de ingreso unitario p y un costo unitario adicional de cLS debido a perdidas de imagen o "good will ". x). como de…nimos en las subsecciones previas. pero se incurre en un costo adicional de cBL .

entonces. Uno podría no ser cuidadosi y contar doble p c: si ahí no existe costo por una venta perdida que por ingresos perdidos. Sea (p) denota la demanda media y p la distribución 10 . En este caso. El nivel de stock optimo se encuentra de manera usual. y elegir acumulación en otro caso. así que cada escasez se convierte en una venta perdida. entre tanto el costo unitario underage se convierte en cBL c + LS [p + cLS cBL ]. El costo de escasez efectivo unitario se ha convertido en p + cLS . LS es una variable de decisión. En este caso. Suponga que una elección puede hacerse entre las ventas perdidas sufridas y las acumulaciones (ofreciendo llevar a cabo procedimientos de emergencia para satisfacer alguna escasez) en el contexto de un sólo período. entonces. Si existe una condición underage y una unidad adicional puede ordenarse. cLS = 0 y p c solo juega un rol de los costos underage. el costo unitario overage en el modelo de vendedor de diarios se mantiene c + cH . el fractil critico es (c + cH ) = (p + cLS + cH ). podriamos recibir los ingresos perdidos de p. Por conveniencia. pero incurriendo en un costo unitario adicional de c para ordenar la unidad.El costo esperado se convierte en Z y (y c + (c + cH ) 0 + (cBL c+ LS [cLS )d ( ) Z cBL ]) 1 ( y) d ( ) y Sustrayendo el costo esperado de los ingresos esperados se produce una nueva función objetivo: Z y (p c) (c + cH ) (y )d ( ) 0 Z 1 ( y) d ( ) (cBL c + LS [p + cLS cBL ]) y = (p c) (c + cH ) (y LS ) (cBL + cH + [p + cLS cBL ]) Z 1 ( y) d ( ) y El termino (p c) representa ka utilidad esperada bajo información perfecta y los otros dos terminos son los costos bu¤ er. Fijación de precios (pricing ) bajo ventas perdidas Construyendo sobre el modelo de las secciones previas. La decisión se viene abajo con una simple comparación de los costos underage en los dos casos: elegir las ventas perdidas si p + cLS < cBL . Considere el caso cuando LS = 1. La demanda que sigue siendo una variable aleatoria es in‡ uenciada por el precio. asumimos que todos los quiebres de inventario se convierten en ventas perdidas. suponga que el precio del producto tambien es una variable de decisión. (Los resultados se extienden al caso mas general de acumulación parcial pero la exposición es mas clara con notación mas simple). para un costo neto underage de p + cLS c. Esto es. ahorrando las perdidas de good will de cLS .

donde Y es una variable aleatoria la cual es dependiente de p y sin perdida de generalidad. Sin embargo. la solución de fractil crítico es aun válida. asi la demanda es el producto 1 (p) X. Cuando la demanda se encuentra normalmente distribuída. el ingreso marginal es el ingreso marginal esperado. Karlin y Carr (1962) mostraron que el precio optimo es mas grande que el 11 . y entonces substituimos ese nivel de existencias optimo atras en la función objetivo. 2 (p) = 0. debido a guardar otra unidad. Asumimos que sin perdida de generalidad que X tiene una media de uno. los cuales son el caos aditivo y el multiplicativo.de probabilidad de la demanda. es la función de retorno de riesgo (el retorno esperado bajo certidumbre) y el precio que maximiza eso retorno es el precio de riesgo. entonces la condición puede ser escrita como p 1 p (S) = c. En el caso aditivo 1 (p) es una constante. así que dado algun precio p. la función objetivo inducida podra ser una función solo del precio. el nivel de stock optimo podrá satisfacer p (S) = p + cLS c : p + cLS + cH Por ejemplo. En este caso. Young (1978) introducjo un modo conveniente para modelar la demanda incierta: asuma que (p) puede ser descompuesto en la suma de 1 (p) + 2 (p) y que existe una variable aleatoria no negativa X la cual es independiente de p tal que la demanda durante el período equivale a 1 (p) X + 2 (p). el cual el precio óptimo …jado por un monopolista en una forma de …jación deterministica. Asumiendo que la función de retorno de riesgo tiene un maximo local unico. lo cual iguala el unit price times la probabilidad de vender esa unidad marginal. En el caso multiplicativo. se asume que tiene una media de cero. Las soluciones analíticas explícitas tanto para el nivel de existencias optimo y el precio optimo no se encuentran disponibles en general. lo cual es la probabilidad de que no haya existencias. tentativamente …jamos el precio y encontramos el nivel de stock optimo como una función del precio. Existen dos casos prominentes de esta representación. Los ultimos dos terminos entregan el costo de bu¤ er. lo cual puede interpretarse como el ingreso marginal …jado igual a el costo marginal. si cLS = cH = 0. la demanda puede ser representada por (p) + Y . ambas como funciones del precio p. La función objetivo es por tanto la genaralización obvia de lo visto en las secciones previas: (p c) (p) (p + cLS (c + cH ) (y (p)) Z + cH ) ( y) d p ( ) : y El primer termino. esa función puede escribirse como (p c) (p) [(c + cH ) z (p) + (p + cLS + cH ) IN (z (p))] (p) donde se continua usando la notación de seciones anteriores. asi al reescalar. Si en general.

Bajo algunos supuestos mas restrictivos adicionales. entonces el precio optimo es estrictamente menos que el precio de riesgo. mayor será el descuento optimo ofrecido. entonces no se ordena nada y se ofrece un precio de descuento. es conveniente combinar esas dos funciones en una sola función como sígue. entonces el precio optimo es estrictamente mas grande que el precio de riesgo. Esos resultados muestran que la introducción de incertidumbre en el modelo monopolico clasico de …jación de precio afecta el precio optimo en el sentido que depende de la naturaleza de la incertidumbre: la incertidumbre aditiva tiende a reducir el precio y la incertidumbre multiplicativa tiende a incrementarlo. entonces calculamos el costo de mantener sobre cada unidad remanente. el costo de mantener esperado y el costo de escasez (perdida) en la 12 . si la función de densidad de probabilidad de la incertidumbre aditiva es P F2 . el precio optimo es una función no creciente del nivel de inventario inicial y ningun desdecuento es ofrecido a menos qe el nivel de producto este por sobre el nivel de stock base. bajo las cuales si la varianza de la demanda es una función creciente del precio. Sea cH ( ) denota el costo de mantener cargado sobre algun nivel …nal de inventario y cp ( ) denota el costo de escasez cargado sobre el …nal del periodo de escasez. ellos obtienen el mismo resultado: Mills (1962) mostró que el precio optimo es menos que el precio de riesgo en el caso aditivo y Zabel (1970) mostró que el precio optimo es mas grande que el precio de riskless en el caso multiplicativo. convexos de escasez y de mantener inventarios Suponga que las funciones de costo de mantener inventario y de escasez del mismo son posiblemente no lineales y convexas. lo cual es una generalizacion del caso aditivo. Si el inventario inicial es superior al nivel de stock base. entonces ese nivel de existencias es repuesto y se carga el precio de lista. lo cual es una generalización del caso multiplicativo. incluyendo convexidad de la funcion de costos de ordenar/producir. Costo no lineales. Thowsen (1975) mostro que si la demanda incierta es aditiva. Adicionalmente.precio de riesgo en el caso multiplicativo y es menos que el precio de riesgo en el caso aditivo. entonces la política óptima es una politica de lista de precios para el stock base: si el nivel de inventario inicial es mas bajo que el nivel de existencias base. Sea cHP ( ) de…nida por cHP (x) = f cH (x) si x 0 cp ( x) otro caso se puede pensar en x como el nivel de existencias despues de ordenar menos la demanda. Si x es negativo. Mills (1962) y Zabel (1970) examinan el modelo mas general en el cual la función de costo de producir/ordenar es convexa y creciente. entonces x entrega el numero de escaseces (demanda no satisfecha) y calculamos el costo de escasez sobre esos. El tambien mostró que si la función de costo de producción/ordenar es concava y las otras condiciones se mantienen y el coe…ciente de variación de la demanda es una función decreciente del precio. mientras mas alto sea el exceso del nivel de inventario inicial. Entonces. Esto es. Young (1978) entrega condiciones. Si x es positivo. y la función de demanda esperada (p) es lineal.

los costos de underage y overage son los mismos. la función objetivo es nuevamente convexa y por lo tanto el nivel de existencias optimo puede encontrarse usando las condiciones de primer orden: el nivel de existencias optimo satisface L0 (S) = c Esto es.función L se puede escribir como Z L (y) = 1 cHP (y )d ( ): 0 La expresión para L puede ser escrita de la misma forma en como se escribió en la sección 3. de esta forma es optima almacenar la demanda media. es util de…nir la siguiente nueva funcion de costos "…nales": cE (x) := cx + cHP (x) 13 . guardamos la demanda media cuando los costos de overage y underage son los mismos. Es optimo tener un stock bu¤er de cero en este caso. L continua siendo convexo. Costo no lineales. el nivel de existencia optimo puede determinarse encontrando el punto donde cHP se minimiza. 1) . cH (0) = cp (0) = 0. L0 es una función creciente y el nivel de existencias optimo ocurre en algun punto donde L0 sea igual a c. y añadiendo la demanda media. entonces el nivel de existencia optimo es la demanda media. Una consecuencia importante de el uso de funciones cuadraticas aqui es que la solución optima puede obtenerse resolviendo el problema determinístico el cual simplemente asume que la demanda siempre es igual a sus medias. excepto que cHP ( ) y cp ( ) podrían ser funciones no lineales. Costo cuadraticos de escasez y de mantener inventarios Considere el caso especial en el cual la función de costos de escasez y mantener cHP es no solo convexa. Esencialmente. explícita para el nivel de existencias resulta. si cHP es minimizado a cero. no convexos de escasez y de mantener inventarios Suponga que las funciones de costo de mantener inventario y de escasez del mismo son posiblemente no lineales y no convexos. En particular.. Una formula simple. y si las condiciones analogas para nuestro supuesto inicial de que cp > c > cH se mantienen. En este caso. asumimos que la función cHP ( ) no es convexa. Suponga que cHP ( ) es convexa. Esta observación es el centro de la base de los resultados del problema de control estocastico lineal/cuadratico (Bertsekas (1987) presenta una introducción de estos resultados). lo cual es ordinariamente asumido para ser el caso. Indeed. Por ejemplo. pero cuadratica. En este caso. En el caso lineal. como no hay escasez o remanentes en ese punto.2. lo cual sera cierto si tanto cH ( ) y cp ( ) son convexas sobre [0.

Cuando cada cosa es diferenciable. habrá que hacer un ligero ajuste). Costos de Set-Up Suponga que. entonces g podria tambien ser cuasi 14 . se puede ver que se vale del pedido. mueva verticalmente al punto cT + g (S).así que la función objetivo puede ser escrita como Z 1 g (y) = c + cE (y )d ( ) 0 la cual es la suma de una constante y una convolución de la funcion de costos de …nalización. Una política (s. 1). los cuales siguen ascendiendo a g (x) g (y) podrían exceder el costo …jo. quisieramos que terminara en S. dibuje g. Si g es cuasi K convexo para algun K cT . asi la derivada de g podrá cambiar de signo a lo mas una vez (las diferencias se examinan cuando la diferenciabilidad no puede ser asumida). asi mas que cT podría ahorrarse por poner una orden: si g (x) > g (S)+cT . en adición a la existencia de stock inicial. si cE ( ) como se de…nió en la seccion 3. entonces S es un minimo global de g y por lo tanto el nivel de existencia optimo. (Si g es discontinuo. S) podria seguir siendo optima. es cuasi K convexo y es una convolución …nita de distribuciones uniforme y Polya (Dirichet). g es convexa y es minimizada en S. muevase horizontalmente hacia la izquierda hasta que g sea intersectado: el punto de ordenamiento satisface g (s) = cT + g (S) y s S. El parámetro s es llamado el punto de ordenamiento y S es llamado el nivel de ordenamiento.. Debido a que g es convexa. Ver Karlin (1958a. ejemplos. Por tanto. Por tanto si x S. si se va a hacer una orden. claramente no queremos poner una orden. Si g (x) < g (S) + cT entonces no se ordena. S) es optima (para el problema de un solo período). entonces g es cuasi convexa. de poner una orden. los ahorros de costo. el resultado entonces continua por la examinación de la derivada de g: la derivada de cE ( ) cambia de "signo" a lo mas una vez. El resultado esta basado sobre el hecho que si una función real valorada de una variable real sola cambia "de signo" a lo mas como su argumento incrementa de 1 a 1. porque poner una orden incurre en costos …jo de cT . Independiente del tamaño de la orden. entonces su convolución con una distribución P F2 podrá tambien "inherit" esa propiedad. resultados. encuentre S donde g se minimiza. entonces una política (s. asi que incrementar el nivel de existencias solo incrementaría los costos. De…niendo la función g como en la sección 3. Si x S nosotros podriamos aun no querer una orden. S) ordena lo su…ciente como para traer el nivel de stock hasta S siel nivel de existencias inicial esta por debajo de s y no se ordena en otro caso. debido a que g es creciente sobre [S. Bajo regularmente razonables. cT . así que si g 0 atraviesa cero. Para encontrar el punto de orden optimo s operacionalmente. entonces ordenar su…ciente para traer el nivel de existencias a S. exíste un costo de setup cT en que se incurre si una orden tiene lugar. y aplicaciones de distribuciones P F2 . una política (s.2. Como se indicó antes.11. La ventaja de esta representación es que si cE ( ) es cuasi convexa y es P F2 . por ejemplo a S. cE ( ) y la distribución de la demanda. 1968) y Barlow y Proschan (1965) para de…niciones.

entonces ordenese a para traer el nivel hasta S (x) = x + b. si a S x b. entonces el ajuste obvio se podria realizar. g (x) g (x + a) para x s y g (x) g (x + a) para x s. entonces el nivel de stock optimo como una función de x esta dado por: x + b si S si S (x) = f x + a si x en S S x b S x b S a a x s otro caso Si S a > s. Si S a s. donde 0 a b 1. 15 . tal s puede siempre encontrarse porque g es convexa. es K convexo y por lo tanto cuasi K convexo. Si a = b. Si existe un costo de setup. entonces la de…nición de s cambia y ajustes futuros obvios se podrian realizar. dado que una orden va a ser hecha. Para determinar si hacer si no una orden. Entonces s tambien satisfece: s S.9. Desde que la función objetivo sea convexa. Cantidad de ordenes mínima y máxima Suponga que hay un tamaño mínimo de orden a y un tamaño maximo de orden b. entonces trae el nivel hasta S = S. Si cHP ( ) como se de…nió en la sección 3. el nivel de existencia optimo se encuentra haciendo el minimo ajuste a la solución de fractil crítico para hacer esto factible. entonces un sólo tamaño de orden es posible.K convexa. Sea s denota un número real que satisface g (s) = g (s + a). el costo si una orden es hecha. Esto es. el costo si ninguna orden es hecha. Para encontrar el nivel de existencias optimo S . Suponga tambien que existe un inventario inicial x. considerando g a de…nirse sobre la linea real entera y asumiendo g (x) ! 1 como jxj ! 1. podemos ignorar temporalmente los límites y encontrar la solución de fractil crítico S. y g (S ). la compraración podría hecerse entre g (x). Si S x < a.

Sign up to vote on this title
UsefulNot useful