Análisis de modelos de inventario administrado por el

proveedor (VMI) con enfoque en artículos perecederos

Analysis of models of vendor managed inventory

(VMI) with a focus on perishable ítems/products

Fecha de entrega: 06-11-2017

Miller Adrián Ruíz Martínez*
Daniel Mauricio Báez Calderón**

UNIVERSIDAD EAFIT
ESPECIALIZACIÓN EN DIRECCIÓN DE OPERACIONES Y LOGÍSTICA
GESTIÓN DE INVENTARIOS
MEDELLÍN _COLOMBIA

*Ingeniero en Productividad y Calidad, Universidad Politécnico Jaime Isaza Cadavid, Director de

Plantas Socoda S.A.S.
**Ingeniero Industrial, Universidad de Antioquia. Analista Vicepresidencia financiera Grupo
logístico TCC.

Resumen
Abstract

Contenido
INTRODUCCIÓN ..................................................................................................................................2
OBJETIVOS ..........................................................................................................................................3
VENDOR MANAGED INVENTORY (VMI) ..............................................................................................3
Revisión de Literatura ....................................................................................................................3
Caracteres de exclusión para la revisión ....................................................................................3
Resultados de la revisión ............................................................................................................4
¿Qué es Vendor Managed Inventory (VMI)? ..................................................................................8
Su funcionamiento .....................................................................................................................8
Elementos esenciales del VMI ....................................................................................................9
Modelos de estudio........................................................................................................................9
Newsvendor Problem - Problema del Vendedor de Periódicos..................................................9
Action-reward learning ............................................................................................................13
CONCLUSIONES ................................................................................................................................15
REFERENCIAS....................................................................................................................................24

INTRODUCCIÓN
La actualidad de la competitividad entre organizaciones del sector industrial es cada vez
mayor y más difícil de superar; esta competencia ha pasado de ser regional a global y es por
esto que cada empresa busca continuamente la optimización de recursos y reducción de
costos apoyándose en alternativas de mejora dentro de toda la cadena de suministro,
trabajando de la mano con proveedores y clientes como uno solo. Ante esta necesidad surgen
 metodologías de trabajo colaborativo donde se desarrolla gran confianza y se comparte
información importante de cara a sistema productivo, se sincronizan sistemas de
información, se ejecutan acuerdos y se opta por mitigar riesgos en conjunto. Lo anterior
aborda una búsqueda para obtener mejoras conjuntas y significativas como una ejecución
apropiada de costos, reducción de inventarios, aumento de eficiencia y mejora del nivel de
servicio que conllevan a una toma de decisiones ágil y con mayor asertividad.
Una de las metodologías que apoyan estas prácticas es Vendor Managed Inventory (VMI) la
cual se puede definir como una nueva visión de hacer negocios para mejorar resultados en la
cadena de suministro. En esta investigación se abordará a fondo la aplicación de modelos
VMI apropiados concretamente para del manejo de productos perecederos.

OBJETIVOS
General
Analizar el funcionamiento de los modelos de VMI como mejora para el rendimiento de la
cadena de suministro de productos perecederos.

Específicos

- Revisar el uso de esta metodología en la literatura de VMI y de VMI para artículos

perecederos
- Definir las características de los modelos VMI para productos perecederos
- Comprender y dar explicación detallada del funcionamiento de los modelos (tres
modelos)

VENDOR MANAGED INVENTORY (VMI)

Revisión de Literatura
Para el desarrollo de esta investigación, se ha determinado necesario hacer una revisión
acerca de la utlización de esta metodología como herramienta mejorar resultados en la cadena
de suministro. Con esto, se procede a hacer la siguiente exploración.

Caracteres de exclusión para la revisión

La metodología para la búsqueda de la revisión requiere de la identificación de trabajos que
cumplan diferentes condiciones, con el fin de construir un banco de infromación definido
para este tema. El estudio se realiza mediante la busqueda de trabajos de investigación
cientifica en una reconocida base de datos (Scopus) que proporciona la medición, evaluación
y gestión de producción cientifica a nivel mundial y contiene el mayor numero de resumenes
y citas.
Se realiza la búsqueda, con el fin de definir qué tanto se ha avanzado y cuáles son los
hallazgos más relevantes en cuanto al estudio del tema de VMI en general y posteriormente
de la aplicación de VMI para productos perecederos. El tema principal de la búsqueda se
realizó mediante la identificación de los términos “Vendor Managed Inventory” y “Vendor
Managed Inventory - perishable ítems/products” que define y contempla todos los criterios
para un resultado de artículos y revistas científicas. La definición de criterio de búsqueda se
realiza sobre el encuentro como término requerido en el título, resumen y palabras clave.

Resultados de la revisión
Dentro de los antecedentes históricos de literatura encontrados para el tema de Vendor
Managed Inventory, se encuentran 441 artículos en los últimos 10 años y se denota que esta
metodología es relativamente nueva en su aplicación aunque desde el año 2013 su estudio ha
venido incrementado. Se puede ver que el año en que se publicaron mayor número de
artículos científicos fue 2015 con 60 publicaciones (Gráfico 1). Se reconoce que el Autor que
más ha trabajado en la documentación de este tema ha sido Niaki, S.T.A. con 11
publicaciones (Gráfico 2) aunque no es el Autor más citado. El País que más ha contribuido
con la producción científica de este tema es China, seguido de Estados Unidos con 89 y 80
artículos de forma correspondiente (Gráfico 3). Las áreas académicas que más se han lanzado
en la investigación de este tema son Engineering, Decision Sciences y Business Manag.and
Accounting (Gráfico 4). Finalmente, se exploran los cinco artículos más citados (Tabla 1).
441 document results

Gráfico 1 Tendencia en número de publicaciones por año

Gráfico 2 Autores con más publicaciones sobre VMI

Gráfico 3 Países con mayor número de publicaciones sobre VMI

Gráfico 4 Áreas que más han publicado sobre VMI

Authors Document title Year Source title Cited by

(highest)
Yao, Y., Supply chain integration in vendor- 2007 Decision Support 202
Evers, P.T., managed inventory Systems
Dresner, M.E.,
Wilson, M.C., The impact of transportation 2007 Transportation 189
disruptions on supply chain Research: Logistics and
performance Transportation Review
Ben-Daya, M., The joint economic lot sizing problem: 2008 European Journal of 146
Darwish, M., Review and extensions Operational Research
 Archetti, C., A branch-and-cut algorithm for a 2007 Transportation Science 128
Bertazzi, L., et vendor-managed inventory-routing
al. problem
Zavanella, L., A one-vendor multi-buyer integrated 2009 Int. Journal of 111
Zanoni, S., production-inventory model: The Production Economics
'Consignment Stock' case

Tabla 1 Artículos más citados sobre VMI

Dentro de los antecedentes históricos de literatura encontrados para el tema de Vendor

Managed Inventory - Perishable ítems/products, se encuentran 7 artículos en los últimos 10
años y se denota que hay muy pocas publicaciones siendo los años 2014 y 2017 los años con
mayor número de publicaciones (Gráfico 5). Se reconoce que el Autor que más ha trabajado
en la documentación de este tema ha sido Chen, L-T., con 2 publicaciones (Gráfico 6) aunque
no es el Autor más citado. Los Países que más han contribuido con la producción científica
de este tema Irán y Taiwan, los dos con 2 artículos (Gráfico 7). Las áreas académicas que
más se han lanzado en la investigación de este tema son Engineering, Computer Science y
Business, Management and Accounting, (Gráfico 8). Finalmente, se exploran los 7 artículos
encontrados (Tabla 1).

Gráfico 5 Tendencia en número de publicaciones por año VMI artículos perecederos

Documents by author

Shaabani, H.,
Laporte, G.,
Kamalabadi, I.N.,
Herbon, A.,
Coelho, L.C.,
Chen, L.T.,
0 1 2 3

Gráfico 6 Autores con más publicaciones sobre VMI artículos perecederos

Gráfico 7 Países con mayor número de publicaciones sobre VMI artículos perecederos

Gráfico 8 Áreas que más han publicado sobre VMI artículos perecederos

Authors Document title Year Source title Cited by

(highest)
Coelho, Optimal joint replenishment, delivery and 2014 Computers and 37
L.C., inventory management policies for Operations Research
Laporte, G., perishable products
Ketzenberg, Managing slow-moving perishables in the 2008 Production and 33
M., et al. grocery industry Operations
Management
Chen, L.-T., Dynamic supply chain coordination under 2013 Industrial Marketing 19
consignment and vendor-managed Management
inventory in retailer-centric B2B
Herbon, A., Dynamic pricing vs. acquiring information 2014 International Journal of 12
on consumers heterogeneous sensitivity to Production Research
product freshness
Shaabani, An efficient population-based simulated 2016 Computers and 5
H., annealing algorithm for the multi-product Industrial Engineering
Kamalabadi, multi-retailer perishable inventory routing
I.N., problem
Akbari Optimizing a vendor managed inventory 2017 Computers and 1
Kaasgari, (VMI) supply chain for perishable Industrial Engineering
M., et al. products by considering discount.
Chen, L.-T., Buyer–supplier relationship and 2017 International Journal of 0
optimization model in a dynamic Computer Integrated
collaborative network with shortages Manufacturing

Tabla 2 Artículos más citados sobre VMI artículos perecederos

¿Qué es Vendor Managed Inventory (VMI)?

VMI es una práctica que hace responsable al proveedor por el flujo de los bienes hacia la
planta o almacén del cliente, con un proceso más exacto de planeación, reabastecimiento,
elaboración de pronósticos y la implementación de sistemas integrados de comunicación que
en conjunto, permiten hacer más exacto el proceso de planeación de la demanda y adquisición
de los suministros y tiene entre sus principales ventajas, la disminución de los inventarios,
aumento del nivel de servicio y mejoras en el capital de trabajo. VMI se originó en la década
de los 80, cuando comerciantes minoristas exigieron asumir la responsabilidad para reponer
los inventarios a los vendedores, sobre la base de cifras de ventas reales.

La evidencia ha demostrado que el VMI puede mejorar el rendimiento de la cadena de

suministro, disminuir los niveles de inventario y aumentar las tasas de abastecimiento. El uso
en la industria de VMI ha crecido con el tiempo y ha proporcionado la capacidad de manejar
la oferta y la demanda, y por lo tanto reducir la posibilidad de exceso o escasez de inventario,
proporcionado un beneficio clave para el desarrollo de sistemas como CRP o JIT. (art1)

Su funcionamiento
El cliente le envía a su proveedor los stocks de los almacenes a reabastecer y los consumos
que tiene, el proveedor analiza los consumos de productos, los tiempos de suministro,
posibles modificaciones de la demanda, los días de stock máximos acordados, etc., y decide
cuánto es lo que tiene que reabastecer. Así el proveedor reabastece directamente, es decir,
genera la orden interna de preparación de productos y la envía al cliente.

Cuando se asume que la demanda es constante y que los productos no se deterioran, calcular
el inventario a entregar al cliente es relativamente fácil, se puede acoger a un modelo de
cantidad económica de pedido Economic Order Quantity (EOQ) donde este modelo permite
obtener una buena aproximación de la cantidad optima de inventarios en varias situaciones
de la vida real. Sin embargo, en situaciones de inventarios donde el producto es perecedero
existe un impacto económico significativo ya que el exceso de productos agrega una
penalización adicional al mantenimiento del inventario y por tanto un desafío importante en
la gestión de inventarios para determinar la manera más eficiente de calcular las cantidades
a mantener evitando desechar productos por vencimiento o deterioro y al mismo tiempo
reducir la probabilidad de ventas perdidas por falta de producto que también implica costos
o penalidades.
 VMI es una técnica colaborativa entre cliente y proveedor, y cuando las empresas inician su
colaboración en temas de pronóstico y visibilidad se observa que:

- Se crea una relación de confianza, apertura y compromiso.

- Se mejoran las tecnologías de información para facilitar la comunicación entre las
organizaciones.
- Se comparte el conocimiento sobre el comportamiento y demanda del mercado, situación
que permite al proveedor desarrollar soluciones de abastecimiento más efectivas.
Elementos esenciales del VMI
- Confianza: Para que funcione el modelo debe existir confianza y acuerdos entre las partes
- Integración: Se debe compartir la información en tiempo real a través de herramientas
tecnológicas para gestionar de manera oportuna los niveles de inventario.
- Información veraz y oportuna: Considerar alternativas flexibles ante cambios no
previstos de la demanda.
Entre los modelos más reconocidos que se utilizan son (cita vmicol):

- Modelo colaboratuva
- Modelo de transferencia por mandato
- Modelo totalmente automatizado

Modelos de estudio
Newsvendor Problem - Problema del Vendedor de Periódicos
El Problema del Vendedor de Periódicos es una forma sencilla de ilustrar una categoría de
problemas con demanda incierta pero con distribución de probabilidad conocida, donde se
debe encontrar el tamaño mínimo de pedido que minimice una función de costos esperados.
Este problema es de un sólo período debido a que los periódicos que no se logran vender en
un día no se pueden vender al día siguiente a un valor de mercado y por tanto cada exceso de
inventario tiene un costo monetario asociado. También, realizar un pedido insuficiente para
enfrentar la demanda tiene un costo de oportunidad asociado, que en el mejor de los casos se
puede estimar como el margen no logrado por quiebre de stock, pero que en la práctica puede
incluso provocar la pérdida del cliente (costo difícil de estimar).

La gestión de inventario de productos perecederos en condiciones de incertidumbre (riesgo)

requiere de modelos que permitan maximizar las ganancias
  El Vendedor de periódicos: Cuanto pedir para el día.
 El vendedor de artículos navideños: Cuantos artículos compra para la venta.
 El administrador de una cafetería: Cuanto comprar de productos de pastelería.
 Un campesino: Que cantidad sembrar para una temporada.
 Tienda de artículos de temporada: Cuanto pedir de botas para la nieve

El costo de Pedir Demasiado

Hacer un pedido muy grande de un producto de temporada puede dar como resultado grandes
pérdidas para el negocio. En el caso de las tarjetas de Navidad, por ejemplo, las ventas llegan
a cero el día después de Navidad. La compañía tiene la oportunidad de destruir el inventario
sobrante, vendiendo algunos con grandes ofertas o almacenarlo todo hasta las siguientes
Navidades. La última opción puede ahorrar costes de inventario, pero a la compañía le costará
cuotas de almacenamiento. El inventario que tiene fecha, como las revistas o los recuerdos
de una boda real, pueden no tener mercado después de esa fecha.

El Costo de Pedir muy Poco

Hay muchos costes asociados con tener a mano un inventario demasiado pequeño, y no todos
ellos son directamente financieros. El coste principal es la oportunidad pérdida de obtener un
beneficio. La diferencia entre el precio de venta y el coste multiplicado por el número de
clientes que debieron marcharse es igual al beneficio perdido. Podría ser incluso mayor si los
clientes les dicen a otras personas que la compañía se quedó sin stock y estos clientes
potenciales no aparecieron. Un coste más sutil pero igual de dañino es la buena voluntad de
los clientes. Si los clientes esperan poder comprarte un producto y no pueden hacerlo porque
has pedido de forma poco efectiva, su molestia puede extenderse más y pueden escoger
comprar los productos en otro lugar en el futuro.

Formulas

- CF = Costo de Faltantes
- CE = Costo de Excedente
- PV = Precio de Venta
- C = Costo
- B = Penalidad por Faltante
- VS = Valor de Salvamento o rescate
- CF = PV - C + B
- CE = C - VS
- D = Demanda
- P (D <= Q*) = Probabilidad de que la demanda sea menor o igual a la cantidad pedida
Q*, también conocido como radio crítico.
 - Z = Valor en la tabla de distribución normal para el radio crítico
- 𝑥̂ = Demanda promedio

CF
1. P (D <= Q*) = Nivel de servicio a ofrecer
CF+CE
2. Z𝛼 = Radio crítico
3. Q* = 𝑥̂ + Z𝛼𝜎 Cantidad óptima a comprar

Ejemplo:
Un almacén de ropa de temporada desea calcular la cantidad de botas para nieve que debe
comprar. El precio de venta en la tienda es de $50.30 por cada par. El costo de compra al
proveedor es de $35.10. Por motivos de servicio, la empresa prefiere comprar el producto a
un competidor antes de perder un cliente, en este caso el costo es $60. Al final de la temporada
los artículos que no se han vendido se ofrecen a $25. El administrador de la tienda ha
estimado que el pronóstico de demanda tiene una distribución normal con media de 900 y
desviación estándar de 122.
PV = $50.3
C = $35.1
VS = $25
B = ($60-50.3) = 9.7
CF = PV – C + B = 50.3 – 35.1 + 9.7 = 24.9
CE = C – VS = 35.1 – 25 = 10.1

CF 24.9
Paso 1 P (D <= Q*) = = = 0.711
CF+CE 24.9 + 10.1
Paso 2 Z0.711 = Radio crítico (0.711) = 0.557
Paso 3 Q* = 𝑥̂ + Z𝛼𝜎 = 900 + 0.557 * 122 = 968 unidades

NOTA: El valor de Z que garantiza una disponibilidad del 71.1% es de 0.557, tomado de la
tabla de distribución normal o apoyado en un programa como Excel.
Ahora calculamos la ganancia esperada:

Se requiere calcular Ventas esperadas, Excedentes esperados, y ventas perdidas esperadas.

L(Z):Función de perdida de la distribución normal.(Este valor se encuentra en una tabla
similar a la tabla de la distribución normal estándar
Validando que el valor de Q encontrado es el que más utilidades genera graficamos valores
cercanos de Q Vs Ganancias y obtenemos lo siguiente:

En la medida que disminuimos el valor de Q las ganancias se reducen ya que nos afecta la
penalidad por faltantes y en la medida que aumentamos el valor de Q también se tienden a
reducir la ganancias porque también afecta el valor de salvamento ya que es menor que el
costo.

Action-reward learning
El modelo Action-reward learning se fundamenta en determinar la reposición de inventario,
mediante un análisis de un factor de compensación, el cual determina el costo mínimo
asociado a tomar una decisión de reabastecimiento, basado en la cantidad de ajuste de la
orden de reabastecimiento que minimiza los costos de mantener inventario o perder ingresos
por no satisfacer toda la demanda, teniendo como punto de comparación el efecto de emplear
el factor de compensación para los datos del periodo previo. En seguida se muestran las
variables y factores que se utilizan.
Modelo de Liu y Lian

Una adaptación del modelo de revisión continua para productos perecederos, es la solución
desarrollada por Liu y Lian (Liu & Lian, 1998), la cual propone una fórmula que permite
faltantes de stock. Supone que el tiempo de entrega de la orden de reposición de stock es
inmediato y que los pedidos de los clientes son unitarios.
La idea es establecer una ecuación del costo total por unidad de tiempo, la cual depende del
nivel de inventario deseado y del nivel de servicio o cantidad de faltantes de stock tolerados.
La solución es del tipo (S,s) donde S es el nivel de stock deseado, y -s es la cantidad de
faltantes permitidos.
Una vez determinados estos valores para el costo mínimo, cada vez que el nivel de stock
llegue a s, se coloca una orden por (S-s), para restablecer el nivel de stock a S. Puede resultar
que para el costo mínimo lo ideal sea trabajar con gran cantidad de faltante de stock. Por lo
que, es una decisión estratégica decidir cuál es el nivel tolerable de faltantes.

La solución es muy compleja de resolver analíticamente (Lian & Liu, 2001), por esta razón,
se realiza un análisis empírico, donde para varios valores de S y s, se grafica la ecuación del
costo total esperado por unidad de tiempo en función de -s, el nivel de faltantes. Se debe
elegir un nivel de faltante de stock, y en función de eso, determinar el S que proporcione el
costo mínimo. A partir de ese momento, se monitorea continuamente el nivel de inventario,
y una vez que este alcance el nivel s, se solicita una orden por (S-s).

El cuadro presentado a continuación muestra los detalles de la solución propuesta por Liu y
Lian.
Ejemplo:
Un vendedor minorista de quesos vende en promedio 204 quesos por día, con una desviación
estándar de 12, su valor de compra es de $2000 por unidad y se venden a $2500. Si se cumple
la fecha de vencimiento y no se venden, el proveedor reconoce $500 por unidad. El tiempo
de entrega de un pedido es de 3 días. El costo de hacer un pedido es de $100 y el costo de
mantener en inventario es de $15.
El nivel de servicio deseado es del 98% y la cantidad de faltantes permitidos es de 12
unidades por día.
Calcular el costo total por unidad de tiempo C (x, S)

S = 204 * 0.98 = 199.92 =200 Unidades

-s = x = 12 unidades
Co = $100
E(HC) = $15
E(RC) = $2000 - $500 = $1500
E(SC) = $2500 - $2000 = $500
M = 3 Días

C (x,S) = ($100 + $15 + $1500 + $500)/(3 días)

C (x,S) = 705 $/día

Modelo de Omosigho

Una adaptación al modelo de revisión periódica para productos perecederos, es el modelo de

Omosigho (Omosigho, 2002), el cual se presenta en el cuadro de la parte inferior
El principal interés del autor es calcular la cantidad de unidades que se vencen y que faltan
en stock para atender la demanda de los clientes. Omosigho encuentra un estimador de la
probabilidad de que un ítem sea vendido en un período. Y este estimador está en función de
S, el nivel de stock al inicio del período.
Obteniendo las cantidades que se vencen y que faltan en stock, se puede determinar cuándo
éstas son mínimas para un nivel de inventario inicial S (Omosigho, 2002). Al igual que el
modelo de Liu y Lian, este modelo no permite fijar todas las variables. Se deberá elegir un
nivel de servicio o el número de unidades faltantes que se permitirán, para poder determinar
cuántas unidades se vencerán. Y esto se realizará para cada nivel de inventario. De esta
manera, se encuentra el S óptimo.
Como el nivel de inventario se revisa al final de cada período, el nivel de stock en ese
momento es IP. Por lo que una vez que se ha analizado todo el sistema, la compra a realizar
al final de cada período será (S-IP).
Para utilizar este modelo en la práctica, se identifican los siguientes datos: ϑ, la distribución
de la demanda y valores de S. Los resultados que se obtienen son la cantidad de unidades que
vencen, la cantidad de unidades que faltan para atender a la demanda y la probabilidad de
quedarse sin stock para cada nivel de inventario inicial S.
En resumen, lo que propone este modelo es obtener información empírica de las ventas, para
poder estimar su función de distribución y su valor esperado, de modo de estimar la demanda.
Como la cantidad a comprar es función del stock inicial, el estimador de la demanda ϑ y la
vida útil del producto, hay que ver cuál es el inventario inicial óptimo (S). Por otro lado, hay
que minimizar la cantidad de productos que se vencen (W) y la cantidad de productos que
pueden faltar para cumplir con la demanda (Z). Una vez definido el inventario meta (S), cada
final de período se revisa el stock, se obtiene IP y se compra lo necesario para alcanzar S.
Modelo de consumo instantáneo, sin costo fijo
En este modelo se supone que la demanda se satisface al inicio del periodo y su consumo es
instantáneo. Por tanto dependiendo del valor que tome la “D” y del inventario “y” antes de
satisfacer la demanda se obtiene un inventario remanente (> 0) o un faltante (< 0). Supuestos:
-Los artículos se compran o producen para un solo periodo
-Se aceptan demandas postergadas
-Precio penal > precio de compra; p>c
- No hay costo de pedido

Notación:
y = tamaño del lote de pedido es v.a. continua (cantidad que se tiene después que se recibe
un pedido)
y * = cantidad optima a comprar o producir
x = cantidad que se tiene antes de que se coloque un pedido (al inicio del periodo)
D= demanda v.a continua o discreta
f(D)=fD la función densidad de probabilidad de la demanda
F(y)=P(D ≤ y) probabilidad que la demanda tome valores < y
h() = función de costo de mantenimiento
p() = función de costo penal (precio que se deja de ganar cuando no hay una unidad
demandada, costo de oportunidad, precio de venta)
c() = función de costo unitario de adquisición (compra)y/o producción c, h y p no son
necesariamente funciones lineales. En este caso se considera que son los costos unitarios.
Problema:

Determinar el número óptimo de unidades a producir o comprar al inicio del periodo para
minimizar el costo total esperado. Veamos, si y, es la cantidad que se tiene después que se
recibe un pedido y antes de satisfacer la demanda aleatoria D

=> El costo de mantenimiento (costo unitario de sobreestimar la demanda)

=> El costo penal (costo unitario de subestimar la demanda)

Sea El costo total = C(y) = costo de compra o producción + costo de mantenimiento + costo penal

= > el costo total esperado es

Se analiza primero para el caso continuo,

Para obtener la política optima de producción u orden, se debe resolver el siguiente problema de
optimización:
Si L(y) es estrictamente convexo ( esto es, si costo de mantenimiento y penal lineales y fD>0)
Entonces, y* optimo se calcula

El valor de y* está definido solo si p ≥ c, en caso contrario se interpreta como descartar

completamente el sistema de inventario.

La función E{C( y)} es convexa, y tiene mínimo global en * y . La política adoptada se conoce como
de un solo número crítico.

Política óptima El costo total esperado alcanza su mínimo cuando

Si D es discreta, las condiciones necesarias para un mínimo están dadas como:

Ejemplo 1:

Considere el modelo de un periodo con costo de almacenamiento h=$0.5, costo penal p=$4.5 y
costo unitario C=$0.5, con función densidad de demanda

Observe que aquí no se da inventario inicial (x=0) Por consiguiente para obtener el tamaño de
pedido (y), se sabe qué y es óptimo cuando

Y dado que

Entonces, y* = 8, Dado que x=0 , la cantidad a pedir es 8.

Ejemplo 2:

Sea el modelo de un solo periodo con h= $1, P=$4 y c=$2, donde la función densidad de la demanda
es:

dado la relación
Se construye la siguiente tabla, para obtener la solución

Puesto que: P(D ≤ 1) = 3.0 < 4.0 < 55.0 = P(D ≤ 2)

Entonces el valor óptimo de y es 2.

CONCLUSIONES

REFERENCIAS
Cibergrafía VMI:

http://www.umng.edu.co/documents/10162/745279/V2N2_9.pdf

https://meetlogistics.com/cadena-suministro/vendor-managed-inventory/

http://spendmatters.com/mx-latam/inventario-administrado-por-el-proveedor-vmi/

https://puertosylogistica.com/2016/05/10/que-es-vmi-inventario-administrado-por-el-proveedor/

http://www.dinamica-de-sistemas.com/cursos/logistica.pdf

Cibergrafía Newsvendor Problem:

https://www.gestiondeoperaciones.net/inventarios/problema-del-vendedor-de-periodicos-
newsvendor-problem/

http://www.ehowenespanol.com/modelo-inventario-periodo-unico-info_208258/

Cibergrafía Modelos Omosigho y Liu y Lian:

https://www.colibri.udelar.edu.uy/bitstream/123456789/449/1/M-CD4217.pdf

Bibliografía Newsvendor Problem:

Silver, Pyke & Peterson. “Inventory Management and Production Planning and Scheduling”. Wiley,
Third edition.1999.

Cachon, Gérard, and Christian Terwiesch. Matching supply with demand. Vol. 2. Singapore:
McGraw-Hill, 2009.