DESARROLLO

6.1 EL PROCESO DE SIMULACIÓN: CONCEPTOS, ELEMENTOS, Y

FASES.

Definición.

La simulación es el arte y ciencia de crear una representación o sistema para los

propósitos de experimentación y evaluación.

La Simulación de Procesos. Resume toda la teoría relacionada con un proceso en

el cual se sustituyen las situaciones reales por otras creadas artificialmente, de las
cuales se deben aprender ciertas acciones, habilidades y hábitos.

En los últimos años, la simulación de procesos ha llegado a ser una herramienta

adecuada y oportuna de apoyo para el diseño, caracterización, optimización y
monitoreo del funcionamiento de procesos industriales. Para aplicar estas
simulaciones existen en la actualidad una gran variedad de Simuladores de
Procesos.

¿Para qué es una simulación de procesos?

-Mejora y optimización de los sistemas logístico/productivos actuales

-Diseño eficiente de nuevos sistemas logístico/productivos

Aplicaciones

En principio, la simulación de procesos puede ser útil en todas las etapas del
desarrollo de un proyecto industrial. En las diferentes etapas de un proyecto,
puede haber necesidad de realizar simulaciones con diferentes niveles de
sofisticación. La simulación de procesos puede usarse en las siguientes etapas del
desarrollo de un proyecto industrial:

 Investigación y desarrollo: Una simulación sencilla se puede usar para

probar la factibilidad técnica y económica del proyecto.
 Etapa crítica en la toma de decisiones: Se prueban diferentes alternativas
de proceso y condiciones de operación y se toman decisiones.
 Planta piloto: Simulación con modelos más sofisticados para obtener
mejores estimaciones de las condiciones de operación a escala industrial.
 Diseño: La simulación proporciona todos los datos de proceso requeridos
para el diseño detallado de los diferentes equipos.
 Simulación de plantas existentes: Puede ser muy útil cuando es necesario
cambiar las condiciones de operación, o cuando se quieren sustituir
materias primas.
Simulación de Procesos en la Industria

La simulación de procesos químicos es una herramienta moderna que se ha

hecho indispensable para la solución adecuada de los problemas de proceso.
Permite efectuar el análisis de plantas químicas en operación y llevar a cabo las
siguientes tareas, las cuales son comunes en las diversas ramas de la industria
química:

 Detección de cuellos de botella en la producción.

 Predicción de los efectos de cambios en las condiciones de operación y
capacidad de la planta.
 Optimización de las variables de operación.
 Optimización del proceso cuando cambian las características de los
insumos y/o las condiciones económicas del mercado.
 Análisis de nuevos procesos para nuevos productos.
 Evaluación de alternativas de proceso para reducir el consumo de energía.
 Análisis de condiciones críticas de operación.
 Transformación de un proceso para desarrollar otras materias primas.
 Análisis de factibilidad y viabilidad de nuevos procesos.
 Optimización del proceso para minimizar la producción de desechos y
contaminantes.
 Entrenamiento de operadores e ingenieros de proceso.
 Investigación de la factibilidad de automatización de un proceso.

¿Cuáles son los objetivos fundamentales de la simulación de procesos?

Los podemos sintetizar en 3:

1
En primer lugar, la Simulación permite predecir el comportamiento de los sistemas
logístico/productivos bajo diversas situaciones reales o previsibles (o lo que es lo
mismo, situaciones simuladas). Imagínese diversos escenarios como roturas de
stock, huelgas de transporte que nos impiden el abastecimiento de materias
primas por unos días, etc. Desde la Simulación, podemos contemplar toda esta
casuística o escenarios, proyectando como va a reaccionar nuestra capacidad
productiva frente a estas situaciones anómalas (elaboración de Planes de
Contingencia)
2
En segundo lugar, la Simulación nos proporciona la capacidad de poder analizar
las posibles alternativas a la optimización de nuestro sistema logístico, sin tener
que alterar físicamente el mismo (por ejemplo, una mejor distribución de planta,
evaluación de diferentes estrategias productivas, etc.). Conoceremos de antemano
el impacto de dichas modificaciones o, en su caso, la irrelevancia de estas
actuaciones.

3
Por último, y no por ello menos importante, la Simulación dota a la organización de
una formación y una educación acerca de cómo están operando los sistemas,
permitiendo la detección de problemas logísticos característicos (cuellos de
botella, excesivos tiempos de respuesta al cliente, etc.) y habilitando análisis
profundos sobre la situación productiva y evaluando dichas alternativas.

Se pueden validar propuestas antes de lanzarlas y minimizar posibles

riesgos de inversión.

Con la simulación de procesos (modelos matemáticos potentes y creación de

maquetas virtuales 3D inteligentes) podemos testar, y comunicar más
efectivamente, nuestras propuestas y valorar las diferentes alternativas y su
impacto de mejora previo al lanzamiento de las mismas. Esta solución supone un
ahorro de tiempo y riesgo pues nos anticipa cómo se van a comportar los sistemas
antes de efectuar una inversión de capital.

La aplicación de alta tecnología no supone coste adicional a los proyectos y si un

valor añadido a nuestra actividad que repercute directamente en una mayor
calidad final del proyecto y satisfacción de nuestros clientes.

¿Qué actuaciones se pueden hacer con un proceso de simulación?

Evaluación logística y organización de la producción.

 auditoria logística
 optimización de la producción
 optimización de recursos
 diseño de líneas de producción
 simulación de planes de fabricación alternativos
 evaluación de cadenas logísticas de suministro
Distribución y optimización de planta.

 optimización de la distribución en planta actual

 diseño logístico de nuevas plantas industriales
 simulación y mejora de flujos productivos y logísticos (SCM)

Almacenes y manipulación de materiales.

 optimización de almacenes y gestión de stocks

 optimización de costos logísticos operativos
 mejora de la manipulación de materiales
 diseño de nuevos almacenes
 simulación logística

Etapas de un proyecto de simulación de procesos

1.- Definición y alcance

2.- Elaboración modelo y escenarios

3.- Validación y resultados

4.- Documentación y entrega proyecto

6.2 LAS TÉCNICAS MONTECARLO

El método de Monte Carlo en sí, es un método no determinista o estadístico

numérico, usado para aproximar expresiones matemáticas complejas y costosas
de evaluar con exactitud. El método se llamó así en referencia al Casino de Monte
Carlo (Principado de Mónaco) por ser “la capital del juego de azar”, al ser la ruleta
un generador simple de números aleatorios. El nombre y el desarrollo sistemático
de los métodos de Monte Carlo datan aproximadamente de 1944 y se mejoraron
enormemente con el desarrollo de la computadora.

La evaluación de riesgos y vulnerabilidades ayuda a identificar y evaluar los

riesgos operativos, poniendo énfasis en los activos físicos y lógicos, pudiendo
incluir una revisión de las instalaciones y la seguridad de los elementos lógicos y
físicos.

Uno de los principales problemas en la administración de riesgos empresariales

(ERM) es la implementación adecuada, considerando la percepción y realidad de
los riesgos que puedan afectar a la empresa.
La implementación es compleja y puede ser complicada si no se reconoce el
comportamiento e interacción de los diferentes tipos de riesgos, sino entenderse
por su impacto a lo largo de los procesos.

El análisis de riesgo forma parte de todas las decisiones que tomamos. Nos
enfrentamos continuamente a la incertidumbre, la ambigüedad y la variabilidad. Y
aunque tenemos un acceso a la información sin precedentes, no podemos
predecir con precisión el futuro. La simulación Monte Carlo permite ver todos los
resultados posibles de las decisiones que tomamos y evaluar el impacto del
riesgo, lo cual nos permite tomar mejores decisiones en condiciones de
incertidumbre.

¿Qué es la simulación Monte Carlo?

La simulación Monte Carlo es una técnica matemática computarizada que permite

tener en cuenta el riesgo en análisis cuantitativos y tomas de decisiones. Esta
técnica es utilizada por profesionales de campos tan dispares como los de
finanzas, gestión de proyectos, energía, manufacturación, ingeniería, investigación
y desarrollo, seguros, petróleo y gas, transporte y medio ambiente.
La simulación Monte Carlo ofrece a la persona responsable de tomar las
decisiones una serie de posibles resultados, así como la probabilidad de que se
produzcan según las medidas tomadas. Muestra las posibilidades extremas los
resultados de tomar la medida más arriesgada y la más conservadora así como
todas las posibles consecuencias de las decisiones intermedias.
Los científicos que trabajaron con la bomba atómica utilizaron esta técnica por
primera; y le dieron el nombre de Monte Carlo, la ciudad turística de Mónaco
conocida por sus casinos. Desde su introducción durante la Segunda Guerra
Mundial, la simulación Monte Carlo se ha utilizado para modelar diferentes
sistemas físicos y conceptuales

Etapas de la administración de riesgos

La administración del riesgo representa un Área de Conocimiento, lo cual quiere

decir que requiere de mucha atención, y además está sujeto a una serie de
procesos para su identificación, valoración, mitigación y control.
Según el Project Management Institute (PMI), los cuatro procesos que involucra la
administración del riesgo son:
 Identificación del Riesgo
 Cuantificación del Riesgo
 Desarrollo de Respuesta al Riesgo
 Control de Respuesta al Riesgo

Importancia de la administración de riesgo

Los proyectos, por la naturaleza cambiante de su entorno, son susceptibles a

situaciones de riesgo que afectan el desarrollo que se les ha planeado.
La administración de proyectos por medio de la gestión de riesgos es la disciplina
encargada de identificar, analizar, priorizar y tratar los riesgos, con el objetivo de
que el proyecto se concluya con el tiempo y recursos asignados.
Por medio de la gestión de riesgos se logran identificar vulnerabilidades y
amenazas presentes en el contexto de la organización, y estimular las prácticas
exitosas en los proyectos de software.

Una manera de mejorar la productividad y reducir los costos del proyecto es

mediante una identificación y eliminación temprana de riesgos; la corrección de
problemas de software implica un alto costo, que se puede evitar realizando
correcciones en la fase de planeación del proyecto.
La administración de riesgos es parte integral del proceso de administración, se
centra en la gestión de recursos y en determinar las actividades más significativas
para el personal del proyecto.
Es un proceso que fomenta la mejora en la administración de recursos y toma de
decisiones, por medio de la comunicación oportuna entre los participantes del
proyecto.
Aplicaciones del modelo Montecarlo en la ingeniería

Métodos de Monte Carlo son ampliamente utilizados en ingeniería para el análisis

de sensibilidad y análisis probabilístico cuantitativa en el diseño del proceso. La
necesidad surge de la conducta interactiva, co-lineal y no lineal de simulaciones
de procesos típicos. Por ejemplo,

 en la microelectrónica de ingeniería, métodos de Monte Carlo se aplican a

analizar las variaciones correlacionadas y no correlacionadas en los
circuitos integrados analógicos y digitales.
 en geoestadística y Geometalurgia, métodos de Monte Carlo sustentan el
diseño de diagramas de flujo de procesamiento de minerales y contribuyen
al análisis de riesgo cuantitativo. en el análisis de rendimiento de la energía
eólica, la producción de energía previsto de un parque eólico durante su
vida útil se calcula dar diferentes niveles de incertidumbre
 impactos de la contaminación son simuladas y diesel en comparación con
la gasolina.
 En robótica autónoma, Monte Carlo localización puede determinar la
posición de un robot. Se aplica a menudo a filtros estocásticos tales como
el filtro de Calman o un filtro de partículas que forma el corazón del
algoritmo de SLAM.
 En la ingeniería aeroespacial, se utilizan los métodos de Monte Carlo para
asegurar que múltiples partes de un ensamblaje encajan en un componente
del motor.
6.3 APLICACIONES DE LA SIMULACIÓN EN PROBLEMAS DE
LÍNEAS DE ESPERA E INVENTARIOS
LINEAS DE ESPERA.

El estudio de las líneas de espera trata de cuantificar el fenómeno de espera

formando colas, mediante medidas representativas de eficiencia, como a longitud
promedio de la cola, el tiempo promedio de espera en ella, y la utilización
promedio de las instalaciones. El ejemplo que sigue demuestra cómo se usan
esas medidas para diseñar una instalación de servicio.

Simulación de un Problema de Línea de Espera

La modelación de una línea de espera es una aplicación de simulación muy

importante. Las suposiciones de un modelo de líneas de espera son muy
restrictivas. Algunas veces la simulación es el único enfoque que se puede utilizar.

Los modelos de líneas de espera de la IO, no optimizan una función de efectividad

como lo hacen los modelos de programación matemática, sin embargo, los
resultados que arrojan estos modelos pueden utilizarse para costear la operación
por este rubro, del sistema.

En un sistema de líneas de espera, los componentes o entidades son los clientes,

los servidores y los canales o filas. Los eventos que pueden ocurrir son los arribos
de clientes, que un cliente entre a recibir servicio o que salga de él, que un cliente
salga del sistema.
El estado del sistema se conforma por el conjunto de estados en que pueden estar
los componentes: un cliente puede estar formado en la cola, siendo atendido por
el servidor o partiendo del servidor o sistema; el servidor puede estar ocupado u
ocioso, la fila puede estar vacía o contener un número identificado de clientes. El
sistema puede estar funcionando o no. La variable exógena no controlable es el
número de clientes por unidad de tiempo que arriban. La variable exógena
controlable es el número de clientes por unidad de tiempo atendidos por el
servidor. Las variables endógenas son: el número de clientes que esperan en la
cola, el número de clientes que esperan en el sistema, este número es igual al
número de clientes que esperan en la cola más los que están siendo atendidos. El
tiempo que los clientes esperan en el cola, el tiempo que los clientes esperan en el
sistema.

Lq Número esperado de clientes en la cola.

L Número esperado de clientes en el sistema (en la cola y recibiendo
servicio)
Wq Tiempo esperado en la cola.
W tiempo esperado en el sistema. Tiempo estimado que emplea un
cliente esperando en la cola más el que emplea siendo atendido.
Ln número esperado en una cola no vacía El número promedio o
número estimado de clientes que esperan en la cola excluyendo
aquellos períodos en los cuales la cola esta vacía.
Wn tiempo estimado de espera en una cola no vacía. Tiempo estimado que un
cliente espera en una línea en el caso de que decida esperar. Este valor es el
promedio de los tiempos de espera de todos los clientes que entran a la cola
cuando el canal de servicio está ocupado. Los clientes que llegan cuando el canal
está vacío tienen un tiempo de espera cero y estos no se promedian en Wn.
INVENTARIOS

Modelo: es una simplificación que imita los fenómenos del mundo real, de modo
que se puedan comprender las situaciones complejas y podamos hacer
predicciones
Inventario: son un puente de unión entre la producción y las ventas

Un problema de inventario existe cuando es necesario guardar bienes físicos o

mercancías con el propósito de satisfacer la demanda sobre un horizonte de
tiempo especificado (finito o infinito). Casi cada empresa debe almacenar bienes
para asegurar un trabajo uniforme y eficiente en sus operaciones.

Las decisiones considerando cuándo hacer pedidos y en qué cantidad, son típicas
de cada problema de inventario. La demanda requerida puede satisfacerse
almacenando una vez según todo el horizonte de tiempo o almacenando
separadamente cada unidad de tiempo durante el horizonte. Los dos casos que
pueden considerarse son sobre-almacenamiento (con respecto a una unidad de
tiempo) o sub-almacenamiento (con respecto al horizonte completo).

Un sobre-almacenamiento requeriría un capital invertido superior por unidad de

tiempo pero menos ocurrencias frecuentes de escasez y de colocación de
pedidos. Un sub-almacenamiento por otra parte disminuiría el capital invertido por
unidad de tiempo pero aumentaría la frecuencia de los pedidos así como el tiempo
de estar sin mercancía. Los dos extremos son costosos. Las decisiones
considerando la cantidad ordenada y el tiempo en el cual se ordena pueden, por
consiguiente, estar basadas sobre la minimización de un a función de costo
apropiada la cual balancea los costos totales resultantes de sobre-
almacenamiento y sub-almacenamiento.

La base de toda empresa comercial es la compra y venta de bienes o servicios; de

aquí la importancia del manejo del inventario por parte de la misma. Este manejo
contable permitirá a la empresa mantener el control oportunamente, así como
también conocer al final del periodo contable un estado confiable de la situación
económica de la empresa.
Ahora bien, el inventario constituye las partidas del activo corriente que están
listas para la venta, es decir, toda aquella mercancía que posee una empresa en
el almacén valorada al costo de adquisición, para la venta o actividades
productivas.
 APLICACIÓN DE PROBLEMAS

Problemas de líneas de espera.

1.-Suponga que en una estación con un solo servidor llegan en promedio 45

clientes por hora, Se tiene capacidad para atender en promedio a 60 clientes por
hora. Se sabe que los clientes esperan en promedio 3 minutos en la cola.
Se solicita: a) Tiempo promedio que un cliente pasa en el sistema. b) Número
promedio de clientes en la cola. c) Número promedio de clientes en el Sistema en
un momento dado.

Solución: Se conoce la siguiente información:

λ= 45 clientes/hora (media de llegada de los clientes)= 45/60 clientes/minutos

µ= 60 clientes/hora (media de servicio a los clientes) = 60/60 clientes/minutos=
Wq = 3 minutos (tiempo promedio de espera de un cliente en la cola)

a) Para calcular el tiempo promedio que un cliente pasa en el Sistema (Ws). Lo

podemos calcular a partir de Wq y µ.

𝑾𝒔 = 𝑾𝒒 +𝟏/𝝁= 3 minutos + 𝟏/𝟏= 𝟑 + 𝟏 = 𝟒 𝒎𝒊𝒏𝒖𝒕𝒐𝒔

Es decir en promedio un cliente pasa 4 minutos en el Sistema: distribuidos así 3

minutos pasa esperando en la cola + 1 minutos en servicio.

b) Para calcular el número de clientes en la cola (Lq), usaremos la fórmula

siguiente:
Lq= λ Wq.

𝐿𝑞 = 𝜆 ∗ 𝑊𝑞=0.75 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠/𝑚𝑖𝑛𝑢𝑡𝑜𝑠 * 3 minutos = 2.25 clientes.

Es decir los cálculos nos muestran que en la cola puede haber más de dos
clientes en la cola.

c) Para calcular cual es el número de clientes en la cola (Ls). Lo podemos hacer

con la fórmula:
Ls= λ Ws.

𝐿𝑆 = 𝜆 ∗ 𝑊𝑆 = 0.75 𝑐𝑙𝑖𝑒𝑛𝑡𝑒/𝑚𝑖𝑛𝑢𝑡𝑜𝑠 ∗ 4 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 = 3 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠

Es decir en promedio hay tres clientes en el sistema, como se nos ha dicho que
solo hay un servidor, sabemos que solo un cliente puede estar en servicio, por lo
que los demás deben estar en la cola. Esto indica que hay dos clientes en espera.
2.-Suponga un restaurante de comidas rápidas al cual llegan en promedio 100
clientes por hora. Se tiene capacidad para atender en promedio a 150 clientes por
hora Se sabe que los clientes esperan en promedio 2 minutos en la cola Calcule
las medidas de desempeño del sistema

a) ¿Cuál es la probabilidad que el sistema este ocioso?

b) ¿Cuál es la probabilidad que un cliente llegue y tenga que esperar, porque el
sistema está ocupado?
c) ¿Cuál es el número promedio de clientes en la cola?

Solución: Se conoce la siguiente información:

λ= 100 clientes/hora (media de llegada de los clientes)= 100/60 clientes/minutos

µ= 150 clientes/hora (media de servicio a los clientes) = 150/60 clientes/minutos=
Wq = 2 minutos (tiempo promedio de espera de un cliente en la cola)

a) Para conocer cuál es la probabilidad de que el sistema este ocioso, primero

conoceremos, cual es la probabilidad que esté ocupado o factor de utilización del
sistema.
𝜌 =𝜆/𝜇= 100 𝑐𝑙𝑖𝑒𝑛𝑡𝑒/ℎ𝑜𝑟𝑎 ÷ 150 𝑐𝑙𝑖𝑒𝑛𝑡𝑒/ℎ𝑜𝑟𝑎 = 0.66 = 66.7% este porcentaje
representa tiempo que el sistema está ocupado. Es decir (1- ρ) representa el
tiempo ocioso del sistema, es decir 1- 0.667= 0.333 = 33.3% el sistema
permanece ocioso.

b) La probabilidad que un cliente llegue y tenga que esperar es suponer que

estará como primer cliente en la cola. Usaremos la fórmula:
𝑃𝑛 = (1 −𝜆/𝜇) (𝜆/𝜇)n Para nuestro caso n=1 y la formula se convierte en:

𝑃1 = (1 −𝜆/𝜇) (𝜆/𝜇)1= (1 −100/150)(100/150)1= (1 − 0.667)(0.667) = 0.222=22.2%

Es decir existe un 22.2% de posibilidad que haya un cliente en la cola esperando
ser atendido.

c) Ahora requerimos calcular el número de clientes en la línea de espera.

𝐿𝑞 = 𝜆 ∗ 𝑊𝑞=1.667 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠/𝑚𝑖𝑛𝑢𝑡𝑜𝑠* 2 minutos = 3.334 clientes.≈4 clientes en la
cola.

Es decir existe la posibilidad de llegar a tener un promedio de 4 clientes en la línea

de espera.
Problemas de inventarios.

1.-La demanda de un artículo particular es 18,000 unidades / año. El costo de

almacenamiento por unidad es de $1.20 por año y el costo de ordenar una compra
es de $400, el tiempo de anticipación (L) es de 20 días, el costo de una unidad es
de $1. (Se supone 1 año = 250 días):

Para determinar la cantidad a pedir se hace lo siguiente:

El intervalo entre pedidos es:

La demanda diaria se saca de la siguiente forma. Como la demanda es de 18,000

por unidades por año y 1 año = 250 días, entonces:
2.-El tiempo de entrega y la demanda diaria de un cierto producto, sigue las
siguientes distribuciones de probabilidad.

Tiempo de
Probabilidad
Entrega (Días)
1 0.25
2 0.50
3 0.20
4 0.05

Demanda Diaria
Probabilidad
(unidades)
0 0.04
1 0.06
2 0.10
3 0.20
4 0.30
5 0.18
6 0.08
7 0.03
8 0.01

La información con respecto a los costos relevantes es la siguiente:

Costo de ordenar = $ 50 / orden

Costo de Inventario = $ 20 /unidad / año
Costo de faltante = $ 25 /unidad

El inventario inicial es de 15 unidades, la cantidad a ordenar Q = 20 y el nivel de

reorden R = 15. Efectúe la simulación para 15 días y calcule el costo total de
operación del sistema.
 Demanda Diaria
f(x) F(x)
(unidades)
0 0.04 0.04
1 0.06 0.10
2 0.10 0.20
3 0.20 0.40
4 0.30 0.70
5 0.18 0.88
6 0.08 0.96
7 0.03 0.99
8 0.01 1.00

TABLA DE LA TRANSFORMADA INVERSA PARA LA DEMANDA

Si 0 = RND =0.04 ? x = 0
Si 0.4= RND =0.10 ? x = 1
Si 0.10= RND =0.20 ? x = 2
Si 0.20= RND =0.40 ? x = 3
Si 0.40= RND =0.70 ? x = 4
Si 0.70= RND =0.88 ? x = 5
Si 0.88 = RND =0.96? x = 6
Si 0.96= RND =0.99 ? x = 7
Si 0.99= RND =1.00 ? x = 8

La función acumulada de probabilidad para el tiempo de entrega es

Tiempo de
f(x) F(x)
entrega
1 0.25 0.25
2 0.50 0.75
3 0.20 0.95
4 0.05 1.00

TRANSFORMADA INVERSA PARA EL TIEMPO DE ENTREGA

Si 0 = RND =0.25? x = 1
Si 0.25= RND =0.75? x = 2
Si 0.75= RND =0.95? X = 3
Si 0.95= RND =1.00? X = 4
EL INVENTARIO PROMEDIO SERA:

Inv. Prom. = Inv. Inc. + Inv. Fin. / 2

La corrida de la simulación es:

Númer
Inventar Númer Tiemp
Inventar o Núme
Di Deman Inventar io Faltan o o de
io aleator ro de
a da io final Promed te aleator Entre
Inicial io Orden
io io RND ga
RND
1 15 .23 3 12 14 1 .58 2
2 12 .43 4 8 10
3 8 .37 3 5 7
4 25 .51 3 21 23
5 21 .07 1 20 21
6 20 .66 4 16 18
7 16 .11 2 14 15 2 .30 2
8 14 .77 5 9 12
9 9 .21 3 6 8
10 26 .41 4 22 24
11 22 .28 3 19 21
12 19 .74 8 14 17
13 14 .06 1 13 14 3 .14 1
14 13 .53 4 9 11
15 29 .44 4 25 27

Por lo que se tiene:

Costo de inventario diario por unidad = $26 / 35 = $ 0.071

Costo de faltante = $ 0
Costo de Orden = (3) ( 450) = $ 150
Costo de Inventario = (242)(0.71) = $ 17.182
Costo Total = $ 167.182