EOQ probabilistico

MODELO DE INVENTARIO EOQ PROBABILSTICO

En muchas situaciones es de utilidad utilizar distribuciones de probabilidad para describir el comportamiento de la demanda de un modelo. La naturaleza probabilstica de la demanda cuando se desea pronosticar la demanda de un bien, permite determinar el nivel de servicio que desea optar una organizacin. Se entiende por nivel de servicio el nmero de veces que un cliente decidi comprar nuestro producto y lo ha encontrado disponible, este se expresa en porcentaje. Matemticamente esto quiere decir:

El nivel de servicio se puede medir en trminos del nmero de unidades y en trminos del valor de las unidades. En ambos casos el nivel de servicio es diferente. La utilizacin de uno con respecto a otro depende de cmo la organizacin desea medir este indicador. Se supondr que la demanda se encuentra distribuida normalmente, por lo tanto tambin se establece una cantidad promedio que denotaremos por y una desviacin estndar (Sigma), de manera que si se le resta y se le suma a la cantidad promedio 3 veces se obtendr el 99.74% del rea bajo la curva de la distribucin. La siguiente imagen muestra lo anterior:

Aplicando este principio al modelo EOQ, el valor de es el valor medio o valor esperado de la demanda de un bien, y es la desviacin que tiene dicha demanda siendo los resultados mas probables de ocurrir las que se encuentran mas cerca de . Ejemplo: Una empresa tiene una demanda promedio mensual de 500 bombillas con una desviacin estndar de 50. Del anterior ejemplo se concluye que es mucho ms probable que la demanda en dicho este entre 350 y 650 (Sumndole y restndole 3 veces la desviacin estndar). Para poder aplicar este modelo se debe definir con antelacin el nivel de significancia o el numero de de ordenes que no podrn ser atendidas. Para el lector es difcil comprender esto Cmo as que no todos lo clientes podrn adquirir nuestro producto? Bueno para responder esto se tiene que recordar que mantener una gran cantidad de inventario para responder la demanda de un bien y as satisfacer todos los clientes seria algo muy costoso, por lo que las organizaciones usan el concepto de Porcentaje de Nivel de Servicio, o en otras palabras fijan de una cantidad de 100 clientes a cuantos estn dispuestos a satisfacer. Grficamente se expresa as:

Segn el grafico de cada 100 pedidos 5% de ellos no se podrn cumplir segn la poltica de inventario. (0.05 al expresarse en porcentaje resulta 5%). A todo el inventario adicional que se tiene des pues de la media se le denomina Stock o inventario de Seguridad, que se define como el inventario que se tiene adicional para poder responder a cualquier cambio abrupto en la demanda. Se define como:

Donde z, es el valor del nivel de significancia en la tabla de distribucin normal estandarizada. En el siguiente link se encuentra la tabla de distribucin normal estandarizada: http://www.uam.es/personal_pdi/ciencias/barcelo/modelos-matematicosbiologia/tabla_normal2.jpg Ahora el inventario total que debe tener una organizacin se define como el inventario promedio ms el inventario de seguridad. Matemticamente:

Nota: Debe tenerse presente que en situaciones el tiempo de espera difiere del tiempo que se tienen los datos de la demanda.

Por ejemplo: Suponga que se tiene una demanda semanal =200 unidades, con una desviacin estndar , adems se sabe que el tiempo de suministro es de 2 semanas. Se desea saber cuanto inventario almacenar para poder responder a la demanda para mantener un nivel de servicio del 90%? Solucin: Se observa que el tiempo de suministro difiere del tiempo en que se encuentra la demanda y su desviacin estndar. El procedimiento a seguir para calcular el inventario que se debe almacenar es la siguiente:

Donde L, es el tiempo en que se encuentra el tiempo de suministro

Para un nivel de servicio del 90% buscando en la tabla de distribucin normal obtenemos que el valor estandarizado es: Z = 1.28 para un valor en la tabla de 0.8997

Se redondea 90.5 a 91, y se obtiene:

Para un tiempo de suministro de 2 semanas, se debe almacenar un inventario total de 491 unidades para mantener un nivel de servicio del 90%.

Lo anterior se puede formular as: Para obtener la desviacin estndar en un tiempo diferente al que se tiene originalmente se procede:

Donde l, es la desviacin estndar en el tiempo que se desea calcular t, es la desviacin estndar en el periodo de tiempo que se tiene. L, es el numero de periodos.

Textos de referencia: Taha Handy, Investigacion de Operaciones Krajewsky Lee, Administracion de Operaciones

CADENAS DE MARKOV
De manera formal las cadenas de Markov se definen como:

Otra explicacin es: Para poder definir las cadenas de Markov primero debe definirse lo que es un Proceso de Markov: PROCESO DE MARKOV Un proceso de Markov es aquel en que la probabilidad de ocurrencia de un estado futuro depende del estado inmediatamente anterior.

Las cadenas de Markov representan o modelan el comportamiento de estos sistemas, de forma que se puede conocer la probabilidad de cambiar de un estado a otro. Principios de las cadenas de Markov 1. La matriz de transicin debe ser cuadrada. 2. Las probabilidades de los estados entre 0 y 1.

3. Las suma de las probabilidades de los estados es igual a 1. Las cadenas de Markov, como se defini anteriormente se representan en matrices, y de acuerdo al tipo de arreglo que tenga la matriz estas se pueden clasificar en: 1. Matriz regular Es una un arreglo donde los elementos de una matriz son diferentes de 0 y 1.

2. Matriz Absorbentes Es un arreglo donde un estado de la cadena de Markov es igual a 1.

3. Matriz Ergodica

Si los estados en una cadena son recurrentes, aperiodicos y se comunican entre si, se dice que la cadena es ergdica.
Ejemplos de Matriz Ergodica

Una caractersticas de las cadenas es que se pueden representar por medio de un diagrama de grafos.

El siguiente ejemplo ilustra lo anterior:

Ejemplo 2:

1. Una computadora se inspecciona cada hora. Se encuentra que est trabajando o descompuesta. Si est trabajando la probabilidad de que siga trabajando la siguiente hora es 0.9 Si est descompuesta, se toman las medidas para repararla lo que puede llevar ms de una hora. Siempre que la computadora est descompuesta, Independientemente de cuanto tiempo haya pasado, la probabilidad de que siga descompuesta la siguiente hora es 0.35. A. Modele el sistema como una cadena de Markov. Solucin: Debemos definir los estados

Eo = La maquina est trabajando E1 = La maquina est descompuesta Eo Eo 0.9 E1 0.65 E1 0.1 0.35

B. Hoy est trabajando, Cul es la probabilidad de que en 4 hrs sigatrabajando Solucin: Buscamos T4 = P(4) T4 = Eo Eo 0.85 E1 0.15

E1 0.84

0.16

Ejemplo 3:

2. Un fabricante de grabadoras est tan seguro de su calidad que est ofreciendo garanta de reposicin total si el aparato falla en dos aos. Basndose en datos compilados la compaa ha notado que solo el 1 % de las grabadoras falla durante el primer ao y 5 % durante el segundo. La garanta no cubre grabadoras ya reemplazadas. A. Modele el sistema como una cadena de Markov. Solucin: Debemos definir los estados

Eo = Est funcionando en su primer ao. E1 = Est funcionando en su segundo ao. E2 = Se reemplaza por garanta. E3 = Finaliza la garanta. Eo 0 0 0 0 E1 0.99 0 0 0 E2 0.01 0.05 1 0 E3 0 0.95 0 1

Eo E1 E2 E3

Ejemplo con videos:

TEORIA DE JUEGOS

La teora de juegos maneja situaciones de decisin en la que intervienen 2 jugadores inteligentes que tienen objetivos contrarios. Un ejemplo de esto es las estrategias belicas utilizadas en la guerra, las campaas publicitarias, etc. En el juego intervienen 2 oponentes llamados "jugadores", y cada uno tiene un numero finito o infinito de alternativas o "Estrategias". La teora de juegos fue desarrollada antes de la guerra fra y se formalizo con los trabajos de John Von Neumann y Oskar Morgenstern. Actualmente tiene muchos campos de aplicacin como lo es: Biologa, Sociologa, Filosofa, Inteligencia Artificial y cibernetica.

Un juego se puede representar en una matriz donde cada elemento de esta corresponde a la recompensa que obtendr el jugador Fila al utilizar la estrategia i si el jugador columna utiliza la estrategia j. Lo anterior se muestra a continuacin:

Tambin en teora de juegos existe el criterio de Minimax y Maximin. Minimax: El jugador fila, elige que su pago mnimo posible sea el mayor. Maximin: Criterio Minimax: el jugador B elige que el pago mximo a A sea el menor posible.

En particular estudiaremos los juegos de suma cero que se explican a continuacin:

JUEGOS DE SUMA CERO En los juegos de suma cero el beneficio total para todos los jugadores del juego, en cada combinacin de estrategias, siempre suma cero (en otras palabras, un jugador se beneficia solamente a expensas de otros). El go, el ajedrez, el pker y el juego del oso son ejemplos de juegos de suma cero, porque se gana exactamente la cantidad que pierde el oponente.

Como curiosidad, el ftbol dej hace unos aos de ser de suma cero, pues las victorias reportaban 2 puntos y el empate 1 (considrese que ambos equipos parten inicialmente con 1 punto), mientras que en la actualidad las victorias reportan 3 puntos y el empate 1.

ESTRATEGIA DOMINANTE Se dice que un jugador posee una estrategia dominante si una estrategia particular es preferida a cualquier otra estrategia a disposicin de el. Es posible que cada uno de los dos jugadores tenga estrategia dominante.

ESTRATEGIA MIXTA Es una combinacin de dos estrategias escogidas a azar, una cada vez, segn determinadas probabilidades, en contraste con una estrategia pura que no contiene tales elementos de azar.

PUNTO SILLA Tambin conocido como punto de ensilladura, es un punto donde la recompensa que obtiene el jugador Rengln es igual a la del jugador columna.

Ejemplos:

Supongamos que 2 jugadores juegan en cierto juego. Del juego se sabe que tienen la siguiente matriz premio:

Ahora se debe definir con que frecuencia el jugador Rengln y el jugador Columna usan sus estrategias. Para resolver este problema se puede usar el mtodo grafico y el mtodo algebraico. Aunque el mtodo algebraico cuando hay mas de 2 alternativas se vuelve tedioso por lo que se utilizara el mtodo simplex. Mtodo Algebraico: Ahora se introducira el concepto de valor esperado de una estrategia cuando los jugadores utilizan una estrategia determinada. La finalidad es buscar aquella estrategia que me de el mayor valor esperado. Grficamente seria la interseccin de las curvas de valor esperado de E1 y E2.

Ahora se hace igualmente para la estrategia 2 del jugador rengln.

Graficando lo anterior obtenemos:

Por lo que se obtiene que el valor Esperado que maximiza el juego para el jugador renglon es: 0.5 con probabilidades de utilizar cada estrategia de 0.5