Clase V - Inventarios Demanda Incierta

Direccin de Procesos II:
TEORA DE INVENTARIOS
MODELOS ESTOCSTICOS
1
Ing. MSc. Hernn Daro Torres Rincn
Agenda:
Deficiniones y teora de modelos estocsticos
Problema del newsboy
Modelo de revisin continua
Modelo de revisin peridica

2
Direccin de procesos II - Introduccin: Hernn D. Torres R.
3
Definiciones y teora de modelos estocsticos invertidos

La demanda y el Lead Time son inciertos: Los modelos deben ser
adaptados para tener en cuenta distribuciones de probabilidad en la
demanda y el Lead Time con el con el objeto de minimizar costos

Q= Tamao de R= Punto de perdido

x
z
o
) (
=
x
z
Si N(10.000, 2.000); x= 14.000
000 . 2
000 . 10 000 . 14 ) (
=
=
o
x
z
% 97 , 0 ; 2
) 2 (
= =
= z
P z
Problema del Newsboy:

Es para un periodo simple (season)
Tpico para productos perecederos (rboles de navidad, comida, peridicos, etc.)
o productos con periodos de ventas cortos (moda, actos de temporada, etc.)
Las rdenes estn establecidas al inicio del periodo o antes
Demanda incierta
La distribucin de la demanda es conocida

Entonces; Q? cuanto hay que producir/ordenar

4
5
Ejemplo: El dueo de noticias la 33 tiene una tienda de reparticin de peridicos
de Vanguardia, l compra por cantidad de copias de peridicos. l paga $500 por
cada copia y la vende a $1.100. Las copias que no vende se las devuelve a
Vanguardia a $100 c/u . Noticias la 33 ha tenido un record en la demanda, la
demanda de las ltimas 12 semanas fue:
6
Con el histagrama se puede predecir la demanda en trminos de probabilidad. Por
ejemplo: La probabilidad de que la demanda sea igual a 10: 2/52= 0,0385. La
probabilidad de que la demanda sea igual a 15: 5/52=0,0962

Las demandas acumuladas tambin pueden ser estimadas de igual forma. Por
ejemplo; La demanda acumulada de que se tenga una demanda de 8 o menos
peridicos: (1+0+0+0+3+1+2+2+4)= 13/52=0,25
En estos casos se usan distribuciones continuas generalmente la distribucin normal
donde se depende de dos factores (la media y la desviacin estndar).

Las muestras, siendo estimaciones, terminan do:

=
=
n
i
i
x x
1
2
1
=
n
i
i
x x
n
s
1
2 2
) (
1
1
Para el ejemplo:
73 , 11 = x
74 , 4
2
= s
7
Si: : Costo de una unidad remanente en el periodo

: Costo de una unidad por demanda insatisfecha
o
C
u
C
Para el ejemplo una respuesta obvia sera que el newsboy compre la cantidad de
peridicos equivalente a la media de la demanda.

Pero;

Si la tienda compra una copia que vende su gasto sera:
500-100= $400

Pero si la tienda abastece su demanda, su costo sera:
1100-500= $600

Por lo tanto, hay un castigo mayor por no tener en el inventario unidades para
abastecer la demanda que el tener unidades de sobra. Entonces, la
tienda/newsboy debera, por teora tener ms unidades que la media de la
demanda. Pero cunto ms?
8
Determinando la
funcin final del
costo.
9
) (
*
Q F
Es la probabilidad de que la demanda sea mayor a Q*. El critical ratio es la
probabilidad de satisfacer toda la demanda en el periodo.
Para el ejemplo; = 500-100=$400

= 1.100-500=$600

o
C
u
C
6 , 0
400 600 (
600
) (
=
+
=
+
=
u o
u
C C
C
ratio Critical
10
Por lo tanto, el newsboy debe comprar el nmero de peridicos que satisfaga la demanda del
60%.

Q* est en el 60avo percentil de la distribucin de la demanda.
Usando las tablas de probabilidad de la distribucin normal: para una probabilidad de 60%,
z= 0,27

0098 , 13 73 , 11 27 , 0 7 , 4 * * = + + = + = o z Q
El newsboy debe comprar 13 copias
11
Polticas de inventarios
Dos preguntas bsicas:
1. Cundo hacer el pedido/cundo producir?
2. Cunto pedir/cunto producir?

Tpicas respuestas a 1:
Cuando el inventario se ubique en la posicin s (punto de pedido)
Cada R unidades de tiempo

Tpicas respuestas a 2:
Pedir/producir Q unidades
Pedir/producir lo necesario hasta que el inventario se ubique en S
(nivel mximo de inventario).
12
Modelos de revisin continua
Pedir Q unidades cuando el inventario llegue a
niveles de s. Q llega luego del lead time.
Cuando el inventario llegue a s, pedir la
cantidad necesaria para que el
inventario llegue a S.
13
Modelos de revisin peridica
Al comienzo de cada punto de revisin
R, pedir la cantidad de inventario
necesaria para llevarlo a S.
Al comienzo de cada punto de revisin
R, pedir la cantidad de inventario
necesaria para llevarlo a S, siempre y
cuando el inventario sea menor que s.
14
Modelo (s, Q)
s= Punto de pedido
Q= cantidad a ordenar
= Lead time
Inventario neto= Inventario en mano pedidos pendientes
Posicin de inventario = Inventario en mano + cantidad pedida pedidos pendientes
Regla de (s, Q), si el inventario s, hacer el pedido de Q.
15
Modelo (s, Q)
Consideraciones:

Hay revisin constante del inventario
La demanda es estocstica pero estacionaria; es la rata de demanda esperada
Lead time constante
La demanda durante el lead time, D
Demanda esperada durante el lead time : E(D) = *
Desviacin estndar de la demanda durante el lead time =

2
1
) var(D
Variables de decisin: s, Q?
16
Clculo de s y Q:

1. Cantidad de orden (Q): usar la frmula EOQcomo primera aproximacin

2. Punto de orden o punto de pedido en modelos estocsticos:
s = (demanda esperada en ) + b ; b=inventario buffer
s = + b

Clculo de b? modelo de costo total
modelo de niveles de servicio tipo 1 y tipo 2

3. Costos relevantes

Setup (costo de establecer pedido/iniciar produccin): K ($/orden)
Costo de almacenar: h ($/unidad por ao)
Costo por demanda insatisfecha penalidad por faltantes: p ($/unidad)

Modelo (s, Q)
17
Modelo (s, Q)
Costo de mantener en inventario:

Costo de establecer pedido:

Costos por penalidad:

Nmero de unidades faltantes esperadas por ciclo:

Costo anual esperado:
18
h
s pn K
Q
) ( [ 2
*
+
=

Al derivar la frmula del costo anual esperado se obtienen las siguientes dos frmulas
) ( ); /( ) ( 1
* *
s F p h Q s F = es la probabilidad de que la demanda durante el
lead time sea s
Para encontrar los valores ptimos de s y Q requiere una solucin iterativa que termina
cuando dos valores sucesivos de s y Q son iguales.
Ej:

= 200/ao; h= 20%; c= $10/unidad; K=$50; = 6 meses; demanda durante el lead time:
N(=100, =25); penalidad por faltantes: p=$25/unidad.

s y Q???
Modelo (s, Q)
19
Solucin:
20
Pasos:
100
10 * 2 , 0
200 * 50 * 2 2
0
= = =
h
K
Q

04 , 0 ) 200 * 25 /( 2 * 100 ) * /( * ) ( 1 = = = h Q s F
o
96 , 0 ) ( = s F
75 , 1
) 96 , 0 (
= Z
0162 , 0
) (
=
z
L
144 100 75 , 1 * 25
0
= + = + = oZ s
405 , 0 0162 , 0 * 25
) (
= = =
z s
L n o
h
n K
Q
s
] [ 2
) (
1
+
=
110
2
] 405 , 0 * 25 50 [ 200 * 2
1
=
+
= Q
21
044 , 0 ) 200 * 25 /( 2 * 110 ) * /( * ) ( 1
1
= = = h Q s F
7 , 1 = Z
0183 , 0
) (
=
z
L
143 100 7 , 1 * 25
1
= + = S
=
0 1
s vs s

S= 143 Q= 111
22
Modelo (s, Q) Niveles de servicio 1 y 2
Nivel de servicio tipo 1: Fraccin de ciclos sin desabastecimiento. [] Se
especifica la probabilidad de no tener inventario durante el lead time.

Nivel de servicio tipo 2: Porcin de demanda abastecida con inventario. [].
Fraccin de ciclos sin desabastecimientos=
8/10 = 80%.

Nivel de servicio 1= 80%

Total de demanda=1450
Desabastecimientos= 55

Porcin de demanda satisfecha= 1450-55
=1395

Nivel de servicio 2= 96%
23
Ejemplo de niveles de servicios
= 200/ao; h=30%; c=$10/unidad; K=$50; t=6 meses; demanda durante el lead time:
N(100, 25); Usar EOQ para calcular s y Q con los modelos de servicios tipo 1 y tipo 2 (=0,98
y =0,98).
Nivel de servicio tipo 1:
24
Nivel de servicio tipo 2:
Se requiere un s que n(s)/Q = 1- ; n(s) el nmero de unidades por desabastecimiento por
ciclo.
25
Modelo (s, S)
Tambin llamado modelo min-max
Los resultados de los modelos (s, S) tienen mejor rendimiento que los modelos (s, Q)
El esfuerzo computacional para obtener una solucin (s, S) es mucho mayor que la de
obtener (s, Q)
26
Resolviendo un ejercicio (s, S):
Razn de la penalidad por faltantes con el costo de mantener
en inventarios.
S. Nahmias. Determining optimal values of (s, S) is
extremely difficult, and for that reason few real operating
systems use optimal (s, S) values. Productions and
operations analysis 6th edition. Pp. 281, 2009.
Si: Solucin:
27
MODELOS DE INVENTARIOS PARA PRODUCTOS DE BAJA
ROTACIN
Se utiliza una regla simple para los productos de bajar rotacin: control de inventario (S-1, S)
Modelos (S-1, S):

Revisin continua con rdenes de pedidos iguales a 1. (s=S-1, S). Tambin llamados
reposicin de uno por uno.
Un solo parmetro: orden de pedido equivalente a 1.
K (costo por orden de pedido) debe ser muy bajo.
28
SISTEMAS MULTIPRODUCTOS
Una tienda departamental (xito, pepeganga, la polaretc.) >100.000 unidades
US Air force >600.000 unidades
Cmo diferenciar los productos rentables que requieran un modelo de inventarios?

TEORA DE VILFREDO PARETO: la gran porcin de la riqueza est distribuida por un
pequeo segmento de la poblacin.

Una gran porcin del total de las ventas pertenece por un nmero pequeo de las
referencias de productos en inventario

Entonces;

1. Ranquear los productos en orden decreciente de las ventas anuales (c)
2. Graficar las ventas acumuladas vs. El nmero de productos.
29
30
Ejemplo:
31
El efecto bullwhip (ltigo de toro) o efecto Forrester
Incluso si la demanda del consumidor final es ms o menos estable, las ordenes en la
cadena de suministro son progresivamente ms grandes y con menor frecuencia. La
variabilidad de las cantidades pedidas aumenta y de igual forma los inventarios de todos los
pertenecientes de la cadena.
Consecuencias del efecto Bullwhip: Incremento en los inventarios buffer, alocacin de
recursos ineficiente, planes de produccin desajustados, logsticas de abastecimiento
ineficientes, altos costos de transporte, difcil control del proyectos.
32
Ejemplo grfico del efecto bullwhip
33
Causas del efecto bullwhip
Los operadores de la cadena de suministro actan como jugadores independientes. Los
pronsticos y las estrategias de mercadeo y de produccin son hechas sin tener en
cuenta los proveedores y muchas veces sin tener en cuenta los clientes.
Cuando los tiempos de manufactura son largos, los horizontes de pronstico de demanda
son ms extensos e inadecuados.
Lead time largos.
Incumplimientos en los lead times hace que los clientes extiendan sus inventarios buffer.
Cambios bruscos en la demanda, sea por cambios en precios de venta o por factores
externos.
otras.
34
Cmo reducir el efecto bullwhip
Una base de datos de la cadena de suministro centralizada.
Reduciendo la variabilidad y la incertidumbre entre cliente y proveedor (compartiendo
informacin con proveedores y clientes presupuestos, demandas, estrategias, etc.)
Reduciendo los lead times.
Realizando alianzas de largo plazo (manejo de inventarios en proveedores por medio de
tcnicas JIT).
Encontrar tcnicas y estrategias con resultados gana-gana entre todos los participantes
en la cadena de suministro.
(Hay un incremento entre el 10% y el 30% en la rentabilidad de los participantes de la
cadena de suministro si se elimina el efecto bullwhip, Metters, 1997)

Clase V - Inventarios Demanda Incierta

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clase V - Inventarios Demanda Incierta

Cargado por

Copyright:

Formatos disponibles

Direccin de Procesos II:

También podría gustarte