Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Hollah-Fergany2019 Article PeriodicReviewInventoryModelFo
Hollah-Fergany2019 Article PeriodicReviewInventoryModelFo
* Correspondencia: eng_Hollah@
Yahoo.com; osama.hollah@ciencia.
Resumen
tanta.edu.eg
1 Por la importancia del deterioro en unidades, este artículo presenta un Modelo de
Departamento de Matemáticas,
Instituto Superior de Informática, inventario de revisión periódica probabilística de deterioro de restricciones (CDPPRIM), un
Información y Gestión, Tanta, modelo que es aplicable bajo algunos supuestos: (1) la demanda es una variable aleatoria que
Egipto
La lista completa de información del autor es
sigue la distribución de Pareto sin tiempo de espera, ( 2) algunos costos varían y se permite la
disponible al final del artículo escasez, (3) la tasa de deterioro sigue la distribución de Gumbel, y (4) existe una restricción sobre
la variación del costo de deterioro.
Aquí, la función objetivo bajo una restricción se impone en un entorno nítido y difuso. Se
utiliza un método de Newton para resolver el sistema de ecuaciones no lineales. El objetivo
es encontrar los valores óptimos de cuatro variables de decisión (nivel máximo de inventario,
tiempo de desabastecimiento, tiempo de deterioro y tiempo de revisión), que minimicen el costo
total anual esperado bajo los supuestos. Finalmente, el modelo es seguido por una aplicación.
Palabras clave: entorno nítido, técnica del multiplicador de Lagrange, método de Newton,
número borroso triangular, tiempo de anticipación cero Clasificación de asignaturas de
matemáticas: 90B05- 90C70 - 93A30
Introducción
Muchos investigadores estudiaron modelos de inventario, ya fueran deterministas o probabilísticos, de
un solo artículo o de varios artículos. Algunos de ellos investigan un modelo de revisión periódica
probabilística en inventario. Por ejemplo, Sqren y Roger [1] desarrollaron el modelo con demanda
continua y pérdida de ventas. Iida [2] estudió un modelo no estacionario con capacidad de producción
incierta y demanda incierta. Chiang [3] presentó un reabastecimiento óptimo para el modelo con dos
modos de suministro. Fergany [4] desarrolló el modelo con tiempo de entrega cero bajo restricciones
y costos de pedido variables utilizando la técnica del multiplicador de Lagrange. Abuo-El-Ata et al. [5]
ilustró el modelo para artículos múltiples con costos de pedido variables bajo dos restricciones
utilizando el enfoque de programación geométrica.
Los parámetros de costos en los sistemas de inventario real y otros parámetros como el precio, el
marketing y la elasticidad del servicio de la demanda son imprecisos e inciertos por naturaleza. Esta
incertidumbre aplicó la noción de borrosidad. Dado que el modelo propuesto se encuentra en un
entorno borroso, se debe tomar una decisión borrosa para cumplir con los criterios de decisión, y los
resultados deben ser borrosos. Muchos investigadores introdujeron los conjuntos borrosos y su aplicación como
© El(los) autor(es). 2019 Acceso abierto Este artículo se distribuye bajo los términos de la licencia internacional Creative Commons Attribution
4.0 (http://creativecommons.org/licenses/by/4.0/), que permite el uso, la distribución y la reproducción sin restricciones en cualquier medio,
siempre que otorgue el crédito correspondiente al autor o autores originales y la fuente, proporcione un enlace a la licencia Creative Commons
e indique si se realizaron cambios.
Machine Translated by Google
modelo de inventario con artículos en deterioro de Gumbel. Chern et al. [9] explicó un modelo de inventario para
artículos en deterioro con demanda fluctuante e inflacionaria con demanda parcial.
escasez de pedidos pendientes. Taleizadeh y Nematollahi [10] presentaron un problema de control de inventario
determinista para artículos deteriorados con pedidos atrasados y consideraciones financieras. Priya et al. [11]
introdujo un modelo de inventario para artículos en deterioro con
demanda exponencial y costo de mantenimiento variable en el tiempo. Maragatham y Lakshmidevi [12]
explicó un modelo de inventario para artículos que se deterioran de forma no instantánea en condiciones de
retraso permisible en los pagos de N ciclos. Mishra et al. [13] introdujo un modelo de inventario para artículos en
deterioro con demanda dependiente del tiempo y variables en el tiempo.
costo de mantenimiento bajo pedido atrasado parcial.
Este artículo presenta un nuevo modelo de inventario de revisión periódica probabilística en deterioro.
bajo una restricción variable de costos de deterioro. Este modelo es aplicable cuando el plomo
el tiempo es cero y cuando la demanda es una variable aleatoria que sigue una distribución de Pareto.
Suponga que la demanda de un artículo en particular sigue una distribución de Pareto como:
ÿ ÿÿ
f ðxÞ ¼ ÿ+1 ; 0ÿx <þÿ; ÿ es un parámetro de forma continua ÿ > 0, ÿ es un parámetro continuo
ðxþÿÞ
Modelo matemático
En el intervalo (0, N), el nivel de inventario disminuye gradualmente para satisfacer la demanda. Durante
el período [0, nd], el inventario se agota debido a la demanda. Además, durante el
período [nd, n1], el inventario se agota debido a la demanda y al deterioro. Por esto
proceso, durante el intervalo [n1, N], el nivel de inventario alcanza el nivel cero en el momento n1
y luego se permite que ocurra escasez. La función de densidad de probabilidad de Gumbel dis
ÿþ1 tÿÿÞ
ÿþ1
1 tÿÿÞ ÿ g
la tribución es f ðtÞ ¼ ÿ
Apagado ÿ gramo
– Si xÿ Qm, la tasa de cambio de inventario durante el período de stock positivo [0, n1] es
gobernado por las siguientes ecuaciones diferenciales:
d q1ð Þt X
¼ ÿD ¼ ÿ dt para 0ÿt ÿnd ð1Þ
norte
d q2ð Þt X
þ ÿð Þt q2ðÞ¼ t ÿD ¼ - dt para nd ÿt ÿn1 ð2Þ
n1ÿnd
Las soluciones de las ecuaciones diferenciales anteriores después de aplicar las condiciones de contorno
ciones están dadas por las siguientes ecuaciones:
xt
q1ðÞ¼ t QmÿD t ¼ Qmÿ para 0ÿt ÿnd ð3Þ
Dakota del Norte
Machine Translated by Google
xÿ ðÞt-ÿ t-m n1 - ÿ
eÿt
donde la integral Ei(x) para (x) ÿ 0 está definida por EiðxÞ ¼ R ÿx t dt [14]
d q3ð Þt D xÿQm 1
¼- ¼-
n1 ÿt ÿN 5Þ
dt 1 þ ÿð Þ norte - t norte - n1 1 þ ÿð Þ norte - t
d q4ð Þt 1 xÿQm 1
¼ ÿre 1ÿ 1 þ ¼- 1ÿ n1 ÿt ÿN ð6Þ
dt ÿð Þ norte ÿ t norte - n1 1 þ ÿð Þ norte ÿ t
por lo tanto,
ÿ
xÿQm
q3ðÞ¼ t f ln 1½ þ ÿð Þ norte - n1 - ln 1½ þ ÿð gramo- Þ
t n1
norte
ÿt ÿN ÿ ð Þ norte ð7Þ
- n1
ÿ
xÿQm
q4ðÞ¼ t F ÿð Þþ t - n1 ln 1½ þ ÿð Þ norte - t - ln 1½ þ ÿð gramo
- n1Þn1
norte
ÿt ÿN ð8Þ
ÿ ð Þ norte - n1
costo, costo esperado de pedidos atrasados, costo esperado de ventas perdidas y retención variable esperada
costo
E OC ð Þ¼ Co 9Þ
norte
xf xð Þ dx ð10Þ
E PC Cp Zÿ 0
DESDE xf xð Þ dt dx ¼ Cp N Zÿ
x¼0 x¼0
qm
0 n1 1
E DC ð Þ¼ Cd Nÿ Qmÿ Z @ 0 @
D tð Þ f xð Þ dt dx
DESDE
0 ¼ Cd Nÿ
x¼0
Dakota del Norte
UN
1 qm
¼ Cd Nÿ Qmÿ
QmÿZ @ 1
ð Þ n1ÿnd Z ð Þ n1 ÿ nd xf xð Þ dx
x¼0 UN
qm
1
xf xð Þ dx
x¼0 UN
ð11Þ
– El valor residual variable esperado de las unidades deterioradas por pedido viene dado por:
qm qm
0 1 0 1
y usted
Þ ¼ Cv Nÿ Qmÿ Z @
xf xð Þ dx ¼ Cd ÿ Nÿ Qmÿ Z@
xf xð Þ dx ð12Þ
x¼0 UN
x¼0 UN
norte
0 1
ÿq3 ð Þ ð Þt f xð Þ dtdx
E BC ð Þ¼ Cb Zÿ DESDE
ESE
qm n1
xÿQm 1 3
6
ÿ ð Þ norte - n1 ln 1½ þ ÿð Þ norte - n1 f xð Þ dx 1ÿ 7
B@ 2 ¼ Cb Zÿ ÿ
4 5
qm
ð13Þ
norte
ÿq4 ð Þ ð Þt f xð Þ dt dx
E LC ð Þ¼ CL Zÿ DESDE
x¼Qm
n1
8 9
x ÿ Qm ÿ ð Þ norte ÿ 1
n1 - 1ÿ ln 1½ þ ÿð Þ norte - n1 f xð Þ dx ÿ
¼ CL Zÿ
>< ÿ 2 ð Þ norte - n1 >=
>:
qm
>; ð14Þ
– El costo de mantenimiento variable esperado en cualquier momento por ciclo viene dado por:
Machine Translated by Google
2 qm 0 1 3
6
q2ð Þt dt ÿq4 ð Þ ð Þt dt f xð Þ dx 7
t-m
qm
x fin n1 0 0
Exp hÿi ÿ 1 1 yo
2 þZ fXÿi¼0_ ¡i!
Dakota del Norte
B@ B@ ESE ESE
n1 - ÿ
0 0 1 1
h h ÿ yo n1 - ÿ
n!Exp hÿn
½ Exp. Exp.n1 - ÿ Xÿ
n¼0
ÿ yo
Exp ÿ
CAMA Y DESAYUNO@ CAMA Y DESAYUNO@ CCA CCA
t-m
00
Exp. hExp. h ii 1 t-m 1
ÿ
ÿ
xÿQm ÿ ð Þ norte 1
- n1 - 1ÿ ln 1½ þ ÿð Þ norte - n1 f xð Þ dxg ÿ ð
@ þ Zÿ ÿ 2 Þ norte - n1
qm
ð15Þ
De las Ecs. (9), (10), (11), (12), (13), (14) y (15), el costo total anual esperado para
el ciclo se compone de E(TC) = E(OC) + E(PC) + E(DC (N)) + E(VC(N)) + E(BC) +
E(LC) + E(HC(N))
E TC Qd ð metro; Þ Þ¼ xf xð Þ dx
Dakota del Norte; n1; N Co þ Cp N Zÿ
x¼0
ð Þ x ÿ Qm ln 1½ þ ÿð Þ norte - n1
qm
þZÿ _ ÿ ÿð Þ norte - n1
½ CbÿCh NÿÿÿCL 1ÿ
ð Þ norte
- n1 þ Ch norte - ÿ þ CL f xð Þ dx
ÿ
qm
t-m
x fin 0 0 Exp hÿi ÿ 1 1 yo
2 nd ð Xÿ
þ Zn1 i¼0 ¡i!
þCh N ÿ ÿ f Z 0 ½ Qm ndÿ B@ B@ ESE ESE
n1 - ÿ
0 0 Exp. hExp. h ii 1 n1 - ÿ
ÿ
Xÿ n!Exp hÿn i
n1 - ÿ n¼0 ÿ
Exp ÿ
CAMA Y DESAYUNO@ CAMA Y DESAYUNO@ CCA 1 CCAÞ
t-m
0 0 Exp. hExp. h ÿ ii 1 t-m
ÿ
yo 0 1
þ Cd ð Þ 1 þ ÿ xf xð Þ dx
Nÿ Qmÿ Z @
x¼0 UN
ð16Þ
Machine Translated by Google
Este documento impone una restricción sobre la variación del costo de deterioro si el costo de deterioro
excede un cierto límite, esto tiende a aumentar el costo total anual esperado o conduce a
pérdida. Las condiciones de Karush-Kuhn-Tucker (KKT) [15] son condiciones necesarias de
primer orden para que una solución en programación no lineal sea óptima, siempre que se
satisfagan algunas condiciones de regularidad. Permitiendo restricciones de desigualdad, el enfoque KKT para
La programación no lineal generaliza el método de los multiplicadores de Lagrange, que permite
solo restricciones de igualdad. Por lo tanto, este método es adecuado para resolver este problema.
qm
0 1
xf xð Þ dx ð17Þ
E DC ð Þ¼ Cd Nÿ Qmÿ Z
@ x¼0 Aÿkd
ELQd ð metro; Þ Þ¼ xf xð Þ dx
Dakota del Norte; n1; N Co þ Cp N Zÿ
x¼0
ð Þ x ÿ Qm ln 1½ þ ÿð Þ N ÿ n1
Cb ÿ Ch norte ÿ ÿ ÿCL 1ÿ ÿð
þZÿ _ ÿ Þ norte ÿ n1
qm
ÿ ð Þ norte - n1
þ Ca N ÿ ÿ þ CL f xð Þ dx
2
8 qm
x fin
Qm ndÿ 2
þCh N ÿ ÿ Z< h
: 0
8 t-m n1 - ÿ
0 0 Exp hÿi ÿ y 1 1 2 0 0 Exp. hExp. h ÿ i i 1
6
Xÿ ¡i! n1 - ÿ
þ Zn1 >< i¼0 Exp h i
Dakota del Norte
¡norte!
n1 - ÿ
Xÿ Exp hÿn
n¼0 ÿ i !!
t-m 9 9
0 0 Exp. hExp. h ÿ i i 1 t-m 1 3 3
ÿ
Xÿ j!Exp hÿj 7 dt xð Þ dx
t-m ÿ i >= >=
B@ B@
Exp h ÿ i ESE
j¼0
ESE 5 >; 7 5f >;
qm qm
0 1 2 0 1 3
þCdð _ el xf xð Þ dx xf xð Þ dx
1 þ ÿ Nÿ Qmÿ Z þ ÿd Cd Nÿ Qmÿ Z
@ x¼0 UN 4 @ x¼0 AÿKd 5
ð18Þ
Paso 1: Definir G(y) y J(y): Sea F una función que asigna ÿn a ÿn y The
La matriz jacobiana es una matriz de derivadas parciales de primer orden sin la ecuación de la
6 7
2 3
6
g2ðÞ qm; Dakota del Norte; n1; norte 7
6
G yð Þ¼ 6 7
J yð Þ¼ 6 7
ÿN
6 7
4 g4ð qm; Dakota del Norte; n1; norte el 5; 6 ÿQm ÿnd ÿn1 7
6 7
qm
2 n1 3
6 7
6 7
norte
4 ÿd 5
Paso 7: Sigue repitiendo el proceso hasta encontrar los mismos resultados por dos veces consecutivas
valores de Qm, n1, nd y N. Luego, a partir de la ecuación. (17), es posible calcular Kd.
el sistema hasta obtener los mismos resultados para dos valores consecutivos de Qm, nd, n1,
y N. Entonces estos valores son los valores óptimos de Q nn d; 1;
metro;
yN:
Paso 9: Por lo tanto, el valor óptimo del costo total anual esperado TC(Qm, nd, n1, N)
modelo son de naturaleza borrosa. Por tanto, las variables de decisión y la función objetivo
debe ser borroso también. Para resolver este modelo de inventario usando el multiplicador de Lagrange
Machine Translated by Google
técnica, se debe encontrar las funciones de forma derecha e izquierda de la función objetivo y las
variables de decisión, encontrando el límite superior y el límite inferior de la ob
función yectiva, es decir, L~L ðÿÞ y L~R ðÿÞ. Recuerde que L~L ðÿÞ y L~R ðÿÞ representan el mayor
y los valores más pequeños (los ÿcortes izquierdo y derecho) de la función objetivo óptima L~ðÿÞ:
Por ejemplo, usando el valor aproximado de TFN de C~o que se observa en la Fig. 2.
Considere el modelo cuando todos los parámetros son números borrosos triangulares (TFN) como
dado:
0ÿÿ7 ÿCb; ÿ8 ÿ0; 0ÿÿ9 ÿCL; ÿ10 ÿ0 y 0ÿÿ11 ÿCd; ÿ12 ÿ0:
por lo tanto, los límites izquierdo y derecho de los cortes ÿ de Cp, Co, Ch, Cb, CL y Cd están dados por:
donde
1 1
C~
Cp _ _ ð Þ ÿ2 ÿ ÿ1 ; C ~ o Co ð Þ ÿ4 ÿ ÿ3 ;
pag
4 4
1 1
C~
h ¼ Ca þ 4
ð Þ ÿ6 ÿ ÿ5 ; C~
b ¼ Cb þ 4
ð Þ ÿ8 ÿ ÿ7 ;
1 1
C~
L þÞ ÿ10ÿÿ9 y C~ ð ¼ CL d ¼ CD þ ð Þ ÿ12 ÿ ÿ11 :
4 4
Asimismo, se pueden aplicar aquí los mismos pasos que se siguen en el caso de las patatas fritas, excepto
que los costos nítidos de Cp, Co, Ch, Cb, CL y Cd serán reemplazados por los costos difusos de
C~ El costo total anual esperado para el caso borroso se puede calcular utilizando el mismo método anterior.
Algoritmo.
Solicitud
Petroquímica vende Alcohol que sigue revisión periódica “pedido hasta Qm ” con
tiempo de entrega cero. Los parámetros con 60 muestras indican que la demanda (ver el Apéndice) se
estima cuando ÿ = 0.05 en la Tabla 1. Las soluciones óptimas de los modelos crisp y fuzzy
Los entornos TFN que usan el programa Mathematica se dan en la Tabla 2 y la Fig. 3. Cuando
f (t) sigue la distribución de Gumbel ÿ = 0,65, ÿ = 1,8, ÿ = 0,5, ÿ = 0,4, ÿ = 2, ÿ = 0,8351.
Conclusión
Debido a la importancia del deterioro en unidades, este documento investiga el modelo de inventario de
revisión periódica probabilística para artículos en deterioro con costos variables bajo condiciones variables.
Restricción de costos en deterioro, cuando la demanda es una variable aleatoria que sigue la distribución de
Pareto para entornos nítidos y confusos sin tiempo de entrega. Aquí, este documento calculó los valores
óptimos de las cuatro variables de decisión (nivel máximo de inventario, falta de existencias).
tiempo, tiempo de deterioro y tiempo de revisión) que minimizan el total anual esperado
costo. Se utilizó un método de análisis numérico (método de Newton) para resolver el sistema
que consta de algunas ecuaciones no lineales para diferentes valores de ÿ. Luego se ilustra el modelo con
una aplicación con el propósito de evaluación y validación de los resultados.
Se puede concluir que el entorno difuso está más cerca de la situación práctica que
caso crujiente. Además, cuando ÿ es igual a 0.4, obtiene el mejor valor para el costo total anual mínimo
esperado.
Notaciones y suposición
Qm Nivel máximo de inventario (variable de decisión)
N El momento del “ciclo” de revisión (variable de decisión)
x La demanda durante el ciclo N (variable aleatoria)
CL 7.98 C~L
(7.68, 7.98, 8.48)
Discos compactos
0.8 C~d (0,76, 0,8, 0,81)
Kd 7 K~d 6.4
Machine Translated by Google
Ch(N) El costo de mantenimiento variable por artículo unitario por ciclo =Ch Nÿÿ
Cd(N) El costo de deterioro variable por orden =Cd Nÿ
Cv(N) El costo de rescate variable por pedido =Cd ÿ ÿ El Nÿ
E(TC) La función de costo promedio total esperado E( TC(Qm, nd, n1, N))
C~
b El costo difuso de pedidos pendientes por artículo unitario por ciclo
C~
L El costo difuso de ventas perdidas por artículo unitario por ciclo
C~
h El costo de mantenimiento borroso por artículo unitario por ciclo
q2(t) El nivel de inventario en el momento t (nd ÿ t ÿ n1) en el que el producto tiene demanda y
deterioro
q3(t) El nivel de inventario en el momento t (n1 ÿ t ÿ N) en el que el producto tiene un pedido pendiente
Apéndice
El valor de la demanda (calculado por m3 ) para la distribución de Pareto
0.18 0.03 0.12 2.2 0.4 1.53 0,67 0,93 0.21 0.9 0.6 0.14
0.24 0.2 0.7 0.81 1.14 1.22 0.01 0.83 0.3 0.84 0.85 0.16
0.13 0.4 0.5 0.08 0.77 0.11 0.2 2.12 0.15 0.14 0.01 0.25
1.1 0.14 0.51 0.15 0.24 1.72 0.37 0.57 3.54 0.12 0.7 0.09
3.25 1.48 0.05 0.71 0.13 0.29 0.01 0.06 1.11 0.34 0.18 0.6
Tamaño de la muestra 60
un 0.05
valor p 0.73526
Agradecimientos
No aplica
Fondos
No aplica
Conflicto de intereses
Los autores declaran que no tienen intereses contrapuestos.
Referencias
1. Sqren, GJ, Roger, MH: El control (r,Q) de un sistema de inventario de revisión periódica con demanda continua y pérdida de ventas.
Int J Prod Econ. 68, 279–286 (2000)
2. Iida, T.: Un modelo de producción-inventario de revisión periódica no estacionario con capacidad de producción incierta y demanda incierta. EUR. J.Oper. Res. 140,
670–683 (2002)
3. Chiang, C.: Reposición óptima para un sistema de inventario de revisión periódica con dos modos de suministro. EUR. J.Oper. Res. 149,
229-244 (2003)
4. Fergany, HA: sistema de inventario probabilístico de artículos múltiples de revisión periódica con tiempo de entrega cero bajo restricciones y
costo de pedido variable. Soy. Aplicación J. ciencia 2(8), 1213–1217 (2005)
5. Abuo-El-Ata, MO, Fergany, HA, El-Wakeel, MF: modelo de inventario probabilístico de artículos múltiples con costo de pedido variable bajo
dos restricciones: un enfoque de programación geométrica. En t. J.Prod. economía 83, 223–231 (2003)
6. Dubois, D., Prade, H.: FFuzzy Sets and System - Theory and Application, vol. 144. Prensa Académica, Nueva York (1980)
Res. 198,
Dey,
113–120
O., Chakraborty,
(2009) D.: Sistema de revisión periódica difusa de producción, fabricación y logística con demanda 7. variable aleatoria difusa. EUR. J.Oper.
8. Azizul, MB, Kamil, AA, Lateh, H.: Sistemas de control de producción e inventario con deterioro distribuido de Gumbel. Procedimiento AASRI. 2, 93–105 (2012)
9. Chern, MS, Yang, HL, Teng, JT, Papachristos, S.: Modelos parciales de inventario atrasado para artículos en deterioro con demanda fluctuante bajo inflación. EUR.
J.Oper. Res. 191, 125–139 (2008)
10. Taleizadeh, AA, Nematollahi, M.: Un problema de control de inventario para artículos deteriorados con pedidos atrasados y consideraciones financieras. Modelo
matemático de aplicación J. 38(1), 93–109 (2014)
11. Priya, DB, Singh, T., Pattnay, H.: Un modelo de inventario para artículos en deterioro con una demanda decreciente exponencial y
costo de mantenimiento variable en el tiempo. Am J Operaciones Res. 4, 1–7 (2014)
12. Maragatham, M., Lakshmidevi, PK: Un modelo de inventario para elementos que se deterioran no instantáneamente en condiciones de
retraso permisible en los pagos de n-ciclos. Int J Arco de matemáticas difusas. 2, 49–57 (2013)
13. Mishra, VK, Singh, LS, Kumar, R.: Un modelo de inventario para artículos en deterioro con demanda dependiente del tiempo y costo de mantenimiento que varía
con el tiempo bajo acumulación parcial. J Ind Ing Int. 9(4), 1–5 (2013)
14. Milton, A., Stegun, I.: Manual de funciones matemáticas con fórmulas, gráficos y tablas matemáticas. Dover, Nuevo
York (1964)
15. Kuhn, HW, Tucker, AW: Programación no lineal. En: Actas del 2º Simposio de Berkeley, págs. 481–492. Prensa de la Universidad de California, Berkeley (1951)