MODELOS DE INVENTARIOS
Probabilisticos
Mg. Giovana Valverde Ayala
Modelos de Inventarios Probabilísticos
Son los modelos de inventarios en los cuales la demanda es
incierta o aleatoria en un periodo dado: modelo de periodo
único, modelo para varios periodos, y políticas de revisión
continua. Cuando la suposición de una demanda constante
no puede sustentarse, es posible utilizar algunos modelos en
los que la demanda es una variable aleatoria con distribución
de probabilidad conocida.
En estos casos, quien toma la decisión es indiferente al riesgo
y evalúa sus alternativas en función del promedio de los
resultados que estas aportan en un número extenso de
repeticiones de la misma situación.
Mg. Giovana Valverde Ayala 2
1
Modelos de Inventarios Probabilísticos
Dada las condiciones, se busca elaborar un modelo que se
ajuste a la situación. Solo se analizaran algunos modelos
con la intención de que constituyan una práctica para la
construcción del que se necesite en cada ocasión.
Los modelos se han concebido para atender problemas de
acopio de mercaderías. Las distribuciones de probabilidad
pueden asumir variaciones continuas o discretas.
Una preocupación importante de la administración es el
mantenimiento de un nivel adecuado de servicio al encarar
una demanda incierta. El nivel de servicio es el complemento
de la probabilidad de un faltante.
Mg. Giovana Valverde Ayala 3
Modelos de Inventarios Probabilísticos
de un solo Periodo
Los modelos de inventarios de un solo periodo ocurren cuando un
artículo es ordenado una vez, únicamente para satisfacer la
demanda de un periodo especifico. Por ejemplo, un articulo de
moda llega a ser obsoleto después de un cierto periodo y después
no puede volverse a pedir.
Los modelos de un solo periodo se investigaran en condiciones
diferentes, incluyendo principalmente demandas instantáneas y
uniformes con costo fijo y sin el. Se supone que el
reaprovisionamiento ocurre instantáneamente. El nivel de inventario
optimo se deduce con base en la minimización de los costos
esperados de inventario, que incluyen los costos de pedidos (costo
fijo mas costo de compra o producción) de mantenimiento y
escasez. Como la demanda es probabilística, el costo por unidad de
compra (producción), será un factor efectivo en la función de costo.
Mg. Giovana Valverde Ayala 4
2
Modelos de Inventarios Probabilísticos
¿Qué cantidad de existencias debe
mantener la empresa para protegerse
razonablemente contra la incertidumbre?
Los modelos probabilísticos a presentar se
consideran de un periodo o de periodos múltiples.
No es recomendable permitir que el nivel de
existencias alcance el nivel de cero.
Mg. Giovana Valverde Ayala 5
Existen factores de incertidumbre en lo que respecta a:
•Demanda variable.
•Tiempo de espera.
•Demanda durante el tiempo de espera.
DemandaVariable
La demanda futura es incierta.
Se debe reunir información en cuanto a situaciones
pasadas para estimar la demanda futura.
Se calcula la media y la desviación estándar para
obtener indicadores de la demanda, usando los puntos
medios de los intervalos.
Mg. Giovana Valverde Ayala 6
3
Tiempo de espera
El tiempo de espera para recibir los pedidos, al igual que
la demanda a menudo es incierto y este comportamiento
se distribuye de alguna forma.
Demanda durante el tiempo de espera
Las dos fuentes de variación de la demanda durante el
tiempo de espera son:
La duración del tiempo de espera, por periodo.
La demanda en el tiempo de espera, por periodo.
Interactúan para determinar la demanda durante el
tiempo de espera
Mg. Giovana Valverde Ayala 7
Modelo Probabilístico de un periodo sin
stock Inicial
•Se realiza la planeación para un periodo.
•La demanda D es una variable aleatoria con una
distribución de probabilidad .
•No hay inventario inicial.
•La decisión a tomar es el valor de Y, el número de
unidades que se deben comprar o producir al
principio del periodo para el inventario.
Mg. Giovana Valverde Ayala 8
4
Objetivo
Minimizar el costo total esperado, donde los componentes
del costo son:
C = Costo unitario de comprar o producir cada unidad.
h = Costo de mantener por unidad de inventario lo que
queda al final del periodo (incluye el costo de
almacenaje menos el valor de recuperación).
P = Costo de penalización por unidad faltante durante
el periodo.
A = Costo Fijo
Mg. Giovana Valverde Ayala 9
D = Demanda probabilística durante el período.
f(D) = fdp de la demanda durante el período.
Y = Cantidad de pedido.
El modelo determina el valor óptimo de Y que
minimiza la suma de los costos esperados de compra
(o producción), de manejo y de faltante.
Mg. Giovana Valverde Ayala 10
5
ANALISIS DEL MODELO
La decisión sobre el valor de Y (cantidad de inventario
a adquirir), depende fuertemente de la distribución de
probabilidad de la demanda D.
Quizá sea deseable, superar la demanda esperada,
pero tal vez sin alcanzar la demanda máxima posible.
Es necesario un balance o un trueque entre:
1.El riesgo de una escasez que implica costos por
faltantes.
2.El riesgo de tener un excedente e incurrir en los
costos desaprovechados de ordenar y almacenar
mas de las unidades necesarias.
Mg. Giovana Valverde Ayala 11
GRÁFICA
D<Y D>Y
Y D
Y-D Y
D
D-Y
h (Y-D) , si D ≤ Y
0 , si Y=D p (D-Y) , si D ≥ Y
0 , si D=Y
Mg. Giovana Valverde Ayala 12
6
Esto se logra minimizando el valor esperado (en el
sentido estadístico) de las sumas de estos costos.
La cantidad vendida está dada por:
D si D < y
Min {D,Y} = Y si D > y
Así, la Demanda es D y se tiene almacenado Y, el costo
en el que se incurre está dado por:
C(D, y) = cy + p máx {0, D - y} + h máx {0, y - D} + A
Mg. Giovana Valverde Ayala 13
Como la demanda es una variable aleatoria [con la
distribución de probabilidad f(D) dD], este costo también es
una variable aleatoria.
El costo esperado está dado por C(y), donde:
Para el caso continuo:
C(y) = E{C(y)}= [cy + h máx {0, y - D} + p máx {0,D-y} + A] f(D)dD
Mg. Giovana Valverde Ayala 14
7
E{C(y)}= Costo de ordenar + E{costo de mantener} + E{costo de escasez}
y
∞
E{C(y)} = Cy + h [(y - D)] f(D)dD + p [(D - y)] f(D)dD + A
d=0 y
E{C(y)} = Cy + h [(y - D)] f(D)dD - p [(y - D)] f(D)dD + A
= cy + A + L(y)
En donde L(y) se conoce como costo esperado de faltante
y de almacenaje.
Mg. Giovana Valverde Ayala 15
Es necesario obtener el valor de y, que minimiza C(y).
Para obtener el valor de y que minimice el costo esperado
(C(y)) debemos tener en cuenta lo siguiente:
1. Sea D una variable aleatoria que tiene una función de
densidad :
f(D), si D ≥ 0
0, de otra manera
y
Se denota P {D ≤ y} = f(D) dD
0
Mg. Giovana Valverde Ayala 16
8
2. Derivar el costo esperado C(y) respecto a Y
e igualar a cero: y
d (E{C(y)})= C + h f(D) dD – p f(D) dD = 0
d=0 d=Y
dy
Esta expresión implica que:
c + h P{D ≤ y} + P (1-P{D ≤ y}) = 0
P {D≤y*} = p-c ˂ 1 o F(y) = p-c
˂ 1
p+h p+h
Mg. Giovana Valverde Ayala 17
Razón Critica
F(y)
1
P-c
P+h
y
y*
Mg. Giovana Valverde Ayala 18
9
Para el caso discreto
C(y) = E{C(y)}=[cy+ hmáx{0, y-D}+ pmáx{0,D-y}+A]f(D)dD
Y
E{C(y)} = Cy + h (y - D) f(D) dD + p (D - y) f(D) dD + A
d=0 d=Y
Las condiciones necesarias para la optimización son:
E {C(y-1)} ≥ E {C(y)} y E {C(y+1)} ≥ E {C(y)}
Mg. Giovana Valverde Ayala 19
Estas condiciones son suficientes porque E {C(y)} es una
función convexa.
Después de algunas manipulaciones algebraicas, la
aplicación de estas condiciones da las siguientes
desigualdades para determinar y *:
P {D ≤ y* - 1} ≤ P–C ≤ P {D ≤ y*}
p+h
Mg. Giovana Valverde Ayala 20
10
Problema
El propietario de un puesto de periódicos quiere
determinar el número de ejemplares del periódico que
debe tener al inicio de cada día. Cuesta 30um. comprar un
ejemplar, y el propietario lo vende en 75um. La venta del
periódico normalmente ocurre 7:00 am. y 2:00 pm. Los
periódicos que se quedan al final del día se reciclan para
un ingreso de 5um. por ejemplar.
¿Cuántos ejemplares debe tener el propietario cada
mañana?
Suponiendo que la demanda de día se puede describir
como una distribución normal con media 300 ejemplares y
desviación estándar de 20 ejemplares.
Mg. Giovana Valverde Ayala 21
Solución
Los costos de manejo y de penalización, no están definidos.
Sin embargo los datos del problema nos dicen que cada
copia no vendida le costará al propietario 30 – 5 = 25um.
y que la penalización por quedarse sin existencias es de
75um. por copia.
Así tenemos:
P = 75 um. por copia por día.
h = 25 um. por copia por día.
Ahora determinamos la razón crítica:
P{D ≤ y*} = p - c = 75 – 30 = 0.45
p+ h 75 +25
Mg. Giovana Valverde Ayala 22
11
Según la ecuación, el numero óptimo de periódicos que
se debe reservar es el número y* que satisfaga:
P{D ≤ y*} = 0.45 (1)
Como la demanda D tiene una distribución normal con
media 300 y desviación estándar 20 (N(300,20)),
podemos normalizar la ecuación(1) con respecto a la
variable aleatoria D y obtener:
P D – 300 ≤ y* - 300 ) = 0.45
20 20
P ( Z ≤ y*- 300 ) = 0.45 (2)
20
Mg. Giovana Valverde Ayala 23
De la tabla normal estándar tenemos:
P {Z ≤ - 1.25} 0.45 (3)
De (2) y (3) se obtiene : y* - 300 = -1.25
20
Y * = 300 – 20 (1.25) = 275
Por consiguiente, la cantidad optima a ordenar es:
y * = 275
Mg. Giovana Valverde Ayala 24
12
Problema
Bonetón (librería) tiene que decidir en noviembre cuántos calendarios
acerca de la naturaleza debe pedir para el próximo año.
Todos los calendarios que no se hayan vendido el primero de enero se
regresan al editor, quien reembolsa 75um por calendario. Bonetón opina
que la cantidad de calendarios vendidos al primero de enero sigue la
distribución de probabilidad que se muestra en la tabla 1. Bonetón desea
maximizar la utilidad neta esperada por las ventas de los calendarios.
¿Cuántos calendarios debe pedir la librería en noviembre?
Tabla
N de calendarios
0
Vendidos 100 150 200 250 300
Probabilidad .30 .20 .30 .15 .05
Mg. Giovana Valverde Ayala 25
Modelo Probabilístico de un periodo con stock Inicial
Vamos a considerar que existe un stock inicial X
Cantidad accesible (Y) = stock inicial (x) + cantidad
producida (y – x)
y ∞
C(y-x) = min {c (y-x) + h [(y - d)] f(d) dD + p y[(d - y)] f(d) dD}
y≥x 0
y ∞
min {cy + h [(y - d)] f(d) dD + p y [(d - y)] f(d) dD – cx}
y≥x 0
min { cy + L(y) - cx} Por lo tanto:
y≥x
Ordenar (y0 – x) si x ≤ y0
No ordenar si x > y0
Mg. Giovana Valverde Ayala 26
13
Ejercicio
1.- Considere el modelo de un período con h = $0.5, p = $4.5 y c =
$0.5. La función densidad de la demanda está dada como:
1/10, 0 ≤ D ≤ 10
f(D) = 0, D > 10
2.- Considerando el ejercicio anterior:
a) Determinar la cantidad del pedido en cada uno de los casos
siguientes:
i) Inventario inicial = 5 unidades.
ii) Inventario inicial = 10 unidades
b) Determine la probabilidad de que no se acabe la
existencia durante el período.
Mg. Giovana Valverde Ayala 27
Modelo Probabilístico de un periodo con stock
Inicial y Demanda discreta
Y-1 ∞
E[C(D,y)] = C(y-x) + h (y - d) PD(d) + p (d - y) PD(d)
d=0 d=y
En el caso discreto, la condición necesaria y suficiente para el
mínimo es:
E [C(y-1)] ≥ E [C(y)] y E [C(y+1)] ≥ E [C(y)]
……
E [C(y-1)] = E [C(y)] –C + P – (h+P) P(D≤ y–1)
E [C(y-1)] - E [C(y)] = P – C – (h+P) P(D≤ y–1) ≥ 0
P – C ≥ P(D≤ y–1)
P+h
Mg. Giovana Valverde Ayala 28
14
De E [C (y+1)] ≥ E [C (y)] P (D ≤ y) ≥ P – C
P+h
P (D ≤ y0–1) ≤ P – C ≤ P (D ≤ y0)
P+h
Ejemplo: h = $1 p = $4 c = $2
D 0 1 2 3 4 5
PD 0.1 0.2 0.25 0.20 0.15 0.10
P{D≤d} 0.1 0.3 0.55 0.75 0.90 1.00
P – C = 4 -2 = 2 = 0.4 y0 = 2
P+h 4+1 5
Mg. Giovana Valverde Ayala 29
Modelo Probabilístico de un periodo con Costo de
Ordenamiento A ó K
Consideremos el mismo modelo anterior pero ahora con
un costo fijo A ó K.
Supongamos primero que p(.) y h(.)
y
son funciones lineales
∞
L(y) = p (D-y) f(D) dD + h (y-D) f(D) dD
y 0
G(y) = L(y) + Cy
El costo de ordenar una cantidad (y-x) será:
(1) K + c (y-x) + L(y) si y > x
(2) L(y) si y ≤ x
Mg. Giovana Valverde Ayala 30
15
Modelo Probabilístico de un periodo con Costo de
Ordenamiento A ó K
Cy+L(y)
y
x” s x’ S x
Mg. Giovana Valverde Ayala 31
Modelo Probabilístico de un periodo con Costo de
Ordenamiento A ó K
Sea S el valor de Y que minimice G(y) ;
F(S) = (p-c)/(p+h), llamemos s el valor mas pequeño
que hace que :
Cs + L (s) = K + cS + L (S)
En la figura es evidente que:
Si x >S K + Cy + L(y) > cx + L(x) para todo y > x
K + c(y - x )+ L(y) > L(x)
la política optima será no ordenar si x > S.
Mg. Giovana Valverde Ayala 32
16
Modelo Probabilístico de un periodo con
Costo de Ordenamiento A ó K
Si s< x’ ≤ S será :
K + cy + L(y) ≥ cx’ + L(x’) para todo y>x’
K + c(y-x’) + L(y) ≥ L(x’) lo óptimo será no ordenar
Si x” < s será
Min {K + cy +L(y)} = K + cS + L(S ) < cx” + L(x”)
y≥x
K + c(S-x”) + L(S) < L(x”) y la política optima será
ordenar hasta S, o sea ordenar (S-x”)
Mg. Giovana Valverde Ayala 33
Modelo Probabilístico de un periodo con Costo de
Ordenamiento A ó K
En general la política optima será<.
Si x < s ordene hasta S
Si x ≥ s no ordene
Donde se tiene:
F(S)= (p-c)/(p+h) para hallar S
y s es el menor valor que hace
Cs + L(s) = K + cS + L(S)
Mg. Giovana Valverde Ayala 34
17
Ejemplo
Encuentre la política óptima para un horizonte de un
periodo si :
f(x)= 1/20 0≤ X ≤20
H=1; p=7; k=10; c=2
Cuál es la cantidad optima a ordenar?
Hallando S:
F(S) = (p-c) → S =5/8 por lo tanto S = 12.5
(p+h) 20
20 y
L(y) = P (x-y) f(x) dx + h (y-x) f(x) dx
y 0
Mg. Giovana Valverde Ayala 35
Cs + L(s)= K + cS + L(S)
2s + 70 –7s + s²/5 = 10+2(12.5) + 70 – 7(12.5)+ (12.5) ²/5
s² -25s + 106.5 = 0
por lo tanto s = 25±√(625-426)
2
s = (25 ± 14.1) = (20, 5.45) s = 5.45
2
Resultado :
si x < 5.45 ordene hasta 12.5
si x ≥ 5.45 no ordene
Mg. Giovana Valverde Ayala 36
18
Ejercicio 1
Encuentre la política óptima para un horizonte de un
periodo si :
f(x)= 1/20 0≤ X ≤20
h=1; p=3; k=1.5; c=2
Hallando la política optima (s, S)
Mg. Giovana Valverde Ayala 37
Ejercicio 2
Un repuesto de cohete se hace obsoleto en un año, el costo
de producción es de $2000 y, si debe ser producido en
emergencia, su costo es de $10000, el costo de Inventario
es de $100 la demanda sigue una distribución exponencial
con una media ℷ =50, además existe un costo fijo de $2000
por corrida de producción . Hallar la política óptima.
Mg. Giovana Valverde Ayala 38
19
Ejercicio 3
Una tienda puede comprar un artículo que venderá durante
las navidades a un costo de $C/unidad y los vende a
$V/unidad. V>C; el valor del salvamento de los artículos
que no se venden en temporada es de S<C. Si la función
de la demanda es f(x), demostrar que el valor óptimo de Y
esta dado por la solución de:
F(Y*) = V-C
V-S
Mg. Giovana Valverde Ayala 39
20
