Curso: Modelos Probabilísticos en IO I

Profesora: Mg. Carmela Velásquez Pino

Clase N°9: Modelos de Revisión Continua

[Link] de revisión continua

Son los modelos probabilísticos que consideran que la posición del inventario de un
ítem es monitoreada después de cada transacción, es decir, es revisado
continuamente.

La política óptima que se persigue es, ordenar un lote de tamaño Q (=y*) cuando el
nivel de inventario baja hasta un “punto de reorden”. Se desarrollarán los siguientes
modelos de revisión continua.

[Link] I: Tiempos de entrega fijos – Política S – s

SUPUESTOS BÁSICOS:

1. El inventario se almacena y se usa según lo dicte la demanda

2. Cuando la posición del inventario = (cantidad que se tiene + cantidad

ordenada – faltantes) llega a “s”, se coloca una orden de tamaño Q unidades
para que la posición del inventario suba a “S”.

3. Existe un tiempo de entrega fijo de longitud λ, antes de que se reciba la orden.

4. La demanda de artículos durante λ es variable aleatoria continua D con función

de densidad f(D). Si la demanda es grande, es posible un inventario negativo,
es decir, se aceptan demandas postergadas que serán satisfechas
posteriormente.

5. La tasa media de demanda E(D) = aλ, donde “a” es la tasa esperada de

demanda anual.
6. Se considera un CICLO como el tiempo entre llegadas de dos órdenes
consecutivas. En la figura siguiente se muestra como varía el nivel del inventario
a través del tiempo, la posición del inventario está representada por las líneas
punteadas, durante el intervalo que corresponde al tiempo de entrega, y por las
líneas continuas en otros momentos.

Posición del inventario = Cantidad en almacén

+Cantidad ordenada -
Ciclo Faltantes
S

Nivel del
Q
inventario
s

0 λ λ λ
t = Tiempo

7. Los costos a considerar son:

A = Costo fijo de una orden
C = Costo unitario de producción (o de compra)
H = costo unitario de mantener el inventario por unidad de tiempo
π = costo por unidad de demanda insatisfecha.

Objetivo:

Determinar, cuándo colocar una orden (encontrar el punto de reorden s) y cuánto

ordenar (Q), para que el nivel del inventario sea S, es decir Q = S – s de manera
que “el costo total por unidad de tiempo sea mínimo”

El costo total esperado por unidad de tiempo C (Q, s) se compone de los

siguientes costos esperados por unidad de tiempo:

Costo total = Costo de ordenar + Costo de mantener el inventario + Costo por

escasez

Supuestos:

1. Nunca habrá más de una orden pendiente.

2. El punto de reorden “s” es no negativo (s ≥ 0)
a 1
3. El N° esperado de ciclos por unidad de tiempo es  , donde a = Demanda
Q T
anual.
Q
4. La longitud del ciclo es T
a
 a 1
Costo esperado de ordenar por unidad de tiempo: ( A  CQ )  A  a.C
Q T (1)

Costo esperado de mantener el inventario por unidad de tiempo:

_ _ _
1 Q a
H . I .T .  H.I .  H.I
T aQ (2)
Longitud ciclo N° de ciclos

Cantidad promedio del inventario por ciclo:

_
[Link]  [Link]. [Link]
I
2
_
( S  a )  ( s  a ) (Q  s  a )  ( s  a ) Q
I    s  a
2 2 2

Q
→ (2) toma la forma: H .(  s  a ) = Costo de mantener el inventario por unidad de
2
tiempo


a
Costo esperado de escasez por unidad de tiempo:  . ( D  s) f (d )dD.
s
Q (3)

Costo total esperado = C (Q, s) = (1) + (2) + (3)


A Q  a
C (Q, s )  a.  a.C  H .  s  a    .  ( D  s) f (d )dD
Q 2  Qs (4)
1 2 3

Como se tienen dos variables de decisión (Q, s), los valores óptimos Q*, s* se
 
obtienen así: C (Q, s )  0 y C (Q, s )  0
Q s

  a  H  a  
C (Q, s)  0    2 A     2  ( D  s) f ( D)dD  0
Q  Q  2  Q s 
1 2 3

2a  

Q*   A    ( D  s ) f ( D)dD
H  s  (5)
   a 
De C (Q, s )  0  H    f ( D)dD  0
s  Qs 

∞ 𝐻𝑄∗
∫𝑠 𝑓(𝐷)𝑑𝐷 = 𝜋𝑎
(6)

Procedimiento:

1. Se hace π = 0, entonces se calcula Q* según (5).

2. Se despeja “s” en la ecuación (6), usando el valor de Q encontrado en el paso
(1.)
3. Se utiliza el valor de “s” encontrado en el paso (2.), y se resuelve la ecuación
(5) para obtener un nuevo Q.
4. Se repiten los pasos (2.) y (3.) hasta que los valores sucesivos de Q y s sean
suficientemente cercanos; es decir, en la iteración i, Qi = Qi-1 ó si = si-1 .

Observaciones. -

1. La ecuación (6) muestra que  f ( D)dD
S*
es igual a la probabilidad de que la

variable aleatoria D exceda a “s” durante el tiempo de entrega, P (D>s), tal que

HQ *
0  f ( D)dD 
S*
a
1

HQ *
Si  1  El  H ⟹ N° de faltantes durante el ciclo tenderá a ser muy
a
grande
2. s – aλ = Inventario de seguridad, representa una protección contra la escasez
durante el tiempo de entrega.
3. Si f(D) es uniforme en (0, t):
 HQ * 
f(D) = 1/t si 0 ≤ D ≤ t ⟹ s*  t 1  
 a 
s2
2aA  at  a  2as*
Q*  t
H
D
1  a
4. Si la f(D) es exponencial, es decir: f ( D)  e , D>0
a
 2a  
*
 HQ * 
s

s  a . ln  , Q*  A  a .e a 
 a  H  


Ejemplo. - Se supone que A = 12000, H = 0.3/art. por mes y a = 8000 al mes,

π=5/art. La D ͠ U (0, 16000), la unidad de tiempo es un mes y λ = 1 mes.

Solución. - Iteración 1:

1) π = 0, reemplazando en Observación 3.

s2 s2
2aA  at  a  2as 2(8000)(12000)  a(0)t  a(0)  2a(0) s
Q*  t  t
H 0.3

2(8000)(12000)
Q*   Q*  25,298
0.3

2) Se reemplaza Q* = 25,298 en Observación 3. Para hallar s*:

 HQ *   (0.3)(25,298) 
s*  t 1    s  (16000)1    s  12,964
 a   (5)(8000) 
3) Se reemplaza s* en la fórmula de Q* (Observación 3.) para hallar un nuevo Q
que es Q* = 26,773.
4) Para este Q se obtiene un nuevo valor de s = 12,787
Iteración 3:
Q* = 26,945 s* = 12,767
Iteración 4:
Q* = 26,965 s* = 12,764
Iteración 5:
Q* = 26,968u s* = 12,764u
HQ *
La probabilidad de un faltante está dado por P ( D  s*)   0.2
a

Si se considera el mismo ejemplo pero D≈ Exp(8000), determinar Q* y s*.

El paso (1.) del procedimiento iterativo lleva a Q = 25,298. Al usar este valor de Q
en el paso (2.) se obtiene el valor de s = 13,297.

Empleando este valor de “s” para obtener un nuevo “Q” se tiene Q´= 32,323.

Varias iteraciones adicionales llevan a la solución final Q⃰ = 34,532 y s⃰ = 10,808.

Verificar estos valores óptimos.

[Link] II: Tiempos de entrega fijos - Sin faltantes.

Este modelo es similar al anterior, excepto que la demanda insatisfecha se supone

perdida. Es decir, la demanda que no se puede cumplir no se surte más tarde, y
ahora se incluirá el ingreso perdido en los costos de penalización de la demanda
insatisfecha.

La derivación de los costos tiene en consideración los mismos supuestos que se

hicieron en el caso del modelo anterior

• Los costos esperados de ordenar y por faltantes por unidad de tiempo, son los
mismos para ambos modelos.
• El costo de mantener el inventario por unidad de tiempo diferencia este
modelo del anterior.
• Para determinar este costo se debe observar que la cantidad promedio de
inventario que se tiene durante el ciclo es diferente en el número esperado de
faltantes que pueden ocurrir durante el tiempo de entrega λ; esto es, el caso en
que no se admiten faltantes tiene un nivel esperado de inventario, durante el
ciclo, mayor que el caso de faltantes en una cantidad igual al número esperado

de faltantes, el cual está dado por  ( D  s) f ( D)dD .
S
Por lo tanto, el costo

esperado de mantener el inventario promedio por unidad de tiempo se puede

escribir como:
Q 

H   s  a   ( D  s ) f ( D)dD
2 s 

Entonces, el costo total esperado es:

a Q 
 a

C (Q, s)  A  a.C  H   s  a   ( D  s) f ( D)dD    ( D  s) f ( D)dD
Q 2 s  Qs

Como se tienen dos variables de decisión (Q y s), los valores óptimos (Q⃰, s⃰) se
encuentran minimizando C (Q, s) respecto a las variables Q y s, igualando a
cero las siguientes derivadas parciales:

C C
(Q, s )  0; ; (Q, s )  0  La solución simultánea de estas ecuaciones
Q s
conduce a:
  

2a  A    ( D  s*) f ( D)dD
(1) Q*   s* 
H

HQ *
(2)  f ( D)dD  HQ * a
S*

Procedimiento iterativo:

1. Sea π = 0, entonces se obtiene Q a partir de (1). Esta ecuación es justo la

expresión para Q en el modelo determinístico del lote económico cuando no
se permitían faltantes (Modelo I).
2. Se obtiene “s” de (2) usando el valor de Q que se encontró en el paso (1.).
3. Se utiliza “s” encontrado en paso (2.) para obtener un nuevo Q a partir de (1).
4. Se repiten los pasos (2.) y (3.) hasta que los valores sucesivos de “Q” o de “s”
son lo suficientemente cercanos.

En la práctica, este procedimiento por lo general converge en unas cuantas

iteraciones.

Ejemplo. - Suponga que la demanda de un producto es 30u. al mes. El costo fijo de

preparación cada vez que se hace una corrida de producción es de $15. El costo de
producción es de $1 por artículo y el costo de mantenimiento es de $0.3 por artículo
al mes. El costo por faltante es $3 por artículo. La demanda durante el tiempo de
entrega es aleatoria con distribución uniforme de (0,30). Si el tiempo de entrega es
medio mes, determinar la política óptima.

Datos:

a = (12 meses) (30) = 360u/año A = $15 C = $1 π = $3 λ = 1/2 mes

H = $0.3/ art./mes = ($0.3/art/mes). (12 meses) = $0.3(12) /art./año

 
 (5)
2a  A    ( D  s ) f ( D)dD
Q*   s 
H

HQ *
S* f ( D)dD  a
(6)

1° Iteración:

Paso 1: Haciendo π = 0, reemplazando en (5) se tiene:

 2(30)(15)(12)
Q1*   Q1*  3000  55art.
(0.3)(12)

Paso 2: Reemplazar Q*1 = 55 en (6) para encontrar s*1


(0.3)(12)(55)  HQ1*
30
D
30
1
* f ( D ) dD  * 30 dD 
(3)(30)(12) a
    0.1833
 30  s1*
S1 s1

s1*
 1  0.1833  s1*  24.501  s1*  25art.
30

2° Iteración:

Paso 1: Calcular Q*2 a partir de s*1

    1 
2a  A    ( D  s1* ) f ( D)dD 2(30)(12) 15  3 D  25) dD
 s1*   30 
Q2*  
H (0.3)(12)

30
1  D2 
30 30
1 1
25 ( D  25)
30
dD  
30 25
( D  25) dD  
30  2
 25D 
 25

1  900 625   1   25  5
   750   625   .  
30  2 2   30   2  12

  5 
6015  3 12 
Q2*    

975
 Q2*  57art.
0.3 0.3

Paso 2: s*2 =?
30
1 (0.3)(12)(57)
 30 dD  (3)(30)(12)
 0.1881
S1*

s 2*
 1  0.1881  s 2*  24.357  s 2*  24art.
30
3° Iteración:

 1
30
  1  18  
6015  3  ( D  24) fD  6015  3   
 30 24    30  2  
Paso 1: Q3*   Q3*  56art.
0.3 0.3

Paso 2:
30
1 s3* s3*
* 30 dD  0.0033(56)  1 
30
 0.1848 
30
 0.8152  s3*  24art.
S3

Como s*2 = s*3 =24 art., entonces, se termina el procedimiento.

Política óptima: Ordenar Q* =56 artículos cuando se tenga en el inventario s* = 24

artículos en el ciclo o período.

S = Q + s → S = 56 + 24 = 80 artículos = Nivel máximo del inventario

Si la unidad de tiempo = 1 año

a = (30u./mes) (12 meses) = 360 art./año

a 360
N° de ciclos en un año =   N  6.5ciclos
Q * 56

Q * 56
Longitud del ciclo = T =   0.1555año
a 360

1 año ----- 360 días

0.1555 año ----- X → X = (360) (0.1555) = 56 días → T = 56 d

S = 80

Q = 56

s = 24
15 días

λ t
56 días 56 días
T 2T
¿Cuál es el inventario de seguridad?
360art
s  a  24  15días  s  a  9art.
360días