Machine Translated by Google

Hollah y Fergany Revista de la Sociedad Matemática Egipcia https:// (2019) 27:10

doi.org/10.1186/s42787-019-0007-z
Diario del egipcio
Sociedad Matemática

INVESTIGACION ORIGINAL Acceso abierto

Modelo de inventario de revisión periódica para

Artículos en deterioro de Gumbel cuando la demanda
sigue la distribución de Pareto
OM Hollah1* y HA Fergany2

* Correspondencia: eng_Hollah@
Yahoo.com; osama.hollah@ciencia.
tanta.edu.eg
1 Por la importancia del deterioro en unidades, este artículo presenta un Modelo de
Departamento de Matemáticas,
Instituto Superior de Informática,
Información y Gestión, Tanta,
Egipto
La lista completa de información del autor es
disponible al final del artículo
Resumen
inventario de revisión periódica probabilística de deterioro de restricciones (CDPPRIM), un
modelo que es aplicable bajo algunos supuestos: (1) la demanda es una variable aleatoria que
sigue la distribución de Pareto sin tiempo de espera, ( 2) algunos costos varían y se permite la
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

Hollah y Fergany Revista de la Sociedad Matemática Egipcia (2019) 27:10 Página 2 de 13

forma matemática de representar la imprecisión o vaguedad en la vida cotidiana. Dubois

y Prade [6] presentaron una teoría y aplicación para sistemas y conjuntos borrosos. Dey y
Chakraborty [7] introdujo un sistema de revisión periódica difusa con variable aleatoria difusa
pedir.

El deterioro juega un papel importante en muchos sistemas de inventario. Además, es el

uno de los principales problemas investigados en la ciencia de los sistemas de inventario durante más de 20 años
atrás. Debido a esta importancia, muchos investigadores han intentado presentar modelos
y aplicaciones que se ocupan de este punto crucial. Por ejemplo, Azizul et al. [8] estudiado

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.

También es aplicable cuando se permite el desabastecimiento, y se divide en atrasos o/

y pérdida de ventas. El artículo estudia que en Restricción Deterioro Probabilístico Periódico
Revise el modelo de inventario (CDPPRIM) cuando la tasa de deterioro sigue la distribución de Gumbel, algunos
costos varían y el modelo funciona de manera efectiva
entornos borrosos. El modelo resuelto mediante la técnica del multiplicador de Lagrange. Se utiliza un método
de análisis numérico (método de Newton) para resolver ecuaciones no lineales.
El objetivo de este estudio 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
minimizar el costo total anual esperado bajo una restricción. Los resultados se adquieren

usando el programa Mathematica.

Los siguientes supuestos se hacen en el desarrollo del modelo:

La tasa de reabastecimiento es instantánea (el tiempo de entrega es cero).

La tasa de deterioro ÿ(t) sigue distribuciones decrecientes como la distribución de Gumbel.

El valor de salvamento ÿ, 0< ÿ < 1 está asociado a unidades deterioradas durante el ciclo.
Se permite que ocurra escasez, y es una mezcla de pedidos pendientes y pérdida de ventas. UN
la fracción ÿ (0 ÿ ÿ ÿ 1) está pendiente. Entonces la fracción restante (1 – ÿ) se pierde, ÿ
¼
1
(0 <ÿ <1).
1þÿðN ÿ tÞ ;

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

parámetro de escala ous ÿ> 0.

El modelo en consideración desarrolló el nivel de existencias, que disminuye a un ritmo uniforme durante el

ciclo, como se muestra en la Fig. 1.

Machine Translated by Google

Hollah y Fergany Revista de la Sociedad Matemática Egipcia (2019) 27:10 Página 3 de 13

Fig. 1 Proceso de inventario para DPPRIM con escasez de mezcla

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

ÿ ÿ ÿf ; t>0 , donde ÿ ÿ R es un parámetro de ubicación,

ÿ ÿ (0, ÿ) es el parámetro de escala y ÿ ÿ (ÿÿ, ÿ) es el parámetro de forma. El parámetro de forma ÿ gobierna

el comportamiento de la cola de la distribución. La familia definida por ÿ ÿ 0 corresponde a la distribución de
Gumbel. La función de densidad de probabilidad de Gumbel
1 tÿÿÞ
tÿÿÞ
la distribución corresponde al valor mínimo f minðtÞ ¼ ÿ
ÿ ÿ Exp½ ÿ Exp½ ÿ ; t>0 .
tÿÿÞ
Y la función de distribución acumulada FminðtÞ ¼ 1ÿExp½ÿExp½ ÿ ; t > 0:
1 tÿÿÞ
Entonces la función de tasa de deterioro definida por ÿminðtÞ ¼ ÿ
ÿ ÿ
; t > 0:

Las condiciones de frontera q1ð0Þ ¼ Qm; q2ðn1Þ ¼ q3ðn1Þ ¼ 0; q3ðNÞ ¼ xÿQm.

Las ecuaciones diferenciales para el nivel de inventario instantáneo qi (t), 0 < t < N son
dado por las Ecs. (1), (2), (5) y (6).

– 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

Hollah y Fergany Revista de la Sociedad Matemática Egipcia (2019) 27:10 Página 4 de 13

xÿ ðÞt-ÿ t-m n1 - ÿ

q2ðÞ¼ t Exp ÿ Exp hola ÿ ÿ

ð4Þ
ð Þ n1 ÿ nd ÿ h ÿ hola ÿ Ei ÿ i para nd ÿt ÿn1

eÿt
donde la integral Ei(x) para (x) ÿ 0 está definida por EiðxÞ ¼ R ÿx t dt [14]

– Si x > Qm, se evidencian las siguientes relaciones:

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

El modelo para un entorno nítido

El costo total anual esperado para el ciclo se compone del costo de pedido esperado, costo de compra esperado,

costo de deterioro variable esperado, recuperación variable esperada

costo, costo esperado de pedidos atrasados, costo esperado de ventas perdidas y retención variable esperada
costo

– El costo de pedido esperado por ciclo viene dado por:

E OC ð Þ¼ Co 9Þ

– El costo de compra esperado por ciclo viene dado por:

norte

xf xð Þ dx ð10Þ
E PC Cp Zÿ 0
DESDE xf xð Þ dt dx ¼ Cp N Zÿ
x¼0 x¼0

– El costo de deterioro variable esperado por pedido viene dado por:

Machine Translated by Google

Hollah y Fergany Revista de la Sociedad Matemática Egipcia (2019) 27:10 Página 5 de 13

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

– El costo esperado de pedidos pendientes por ciclo viene dado por:

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

– El costo esperado de ventas perdidas por ciclo viene dado por:

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

Hollah y Fergany Revista de la Sociedad Matemática Egipcia (2019) 27:10 Página 6 de 13

2 qm 0 1 3
6
q2ð Þt dt ÿq4 ð Þ ð Þt dt f xð Þ dx 7

E HC ð Þ¼ Ch Nÿÿ Z 0 Znd q1ð Þt dt þ Zn1 xð Þ dx þ Zÿ ZN

@ 0 De
4 5
Dakota del Norte
qm n1

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

¼ canal norte ÿ ÿ f0Z½ Qm ndÿ

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

t-m Xÿ j!Exp hÿj ÿ i

B@ B
Exp h ÿ i ESE
j¼0
CAgdtf xð Þ dx

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

t-m Xÿ j!Exp hÿj ÿ i

B@ B@
Exp h ÿ ESE
j¼0
qm 1 CAÞdt f xð dxg

yo 0 1
þ Cd ð Þ 1 þ ÿ xf xð Þ dx
Nÿ Qmÿ Z @
x¼0 UN

ð16Þ
Machine Translated by Google

Hollah y Fergany Revista de la Sociedad Matemática Egipcia (2019) 27:10 Página 7 de 13

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.

Considere una limitación en el costo de deterioro variable esperado, es decir:

qm
0 1
xf xð Þ dx ð17Þ
E DC ð Þ¼ Cd Nÿ Qmÿ Z
@ x¼0 Aÿkd

Puede escribirse como Min E (TC(Qm, nd, n1, N.))

sujeto a la restricción de desigualdad E(DC(Qm, nd, n1, N)) ÿ kd.
Para encontrar los valores óptimos Q nn d; 1 ,
metro; y Nÿ que minimizan E(TC) bajo la restricción
(17), la técnica de los multiplicadores de Lagrange con las condiciones de Kuhn-Tacker [15]
se utiliza de la siguiente manera:

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

>: B@ B@ CA. ESE 4 B@ B@ ÿ ESE

¡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

Los valores óptimos Q nn d; 1,

metro; y Nÿ se puede calcular configurando el correspondiente
primeras derivadas parciales de la ecuación. (18) igual a cero.

ð ÿELQ ð metro; Þ nd; n1; norte Þ

Por lo tanto; sea g1ðqm;Þ¼
Dakota del Norte; n1; norte
¼ 0;
ÿQm
Qm ¼ Q metro
Machine Translated by Google

Hollah y Fergany Revista de la Sociedad Matemática Egipcia (2019) 27:10 Página 8 de 13

ð ÿELQ ð metro; Þ nd; n1; norte Þ

g2ð Þ¼
qm; Dakota del Norte; n1; norte ¼ 0;
ÿnd
segundo y cuarto

ð ÿELQ ð metro; Þ nd; n1; norte Þ

g3ð Þ¼
qm; Dakota del Norte; n1; norte ¼ 0;
ÿn1
n1 ¼ n 1

ð ÿELQ ð metro; Þ nd; n1; norte Þ

g4ð qm; Dakota del Norte; n1; norte Þ¼
¼0
ÿN
N HEMBRA

ð ÿELQ ð y metro; Þ nd; n1; norte Þ

g5ð qm; Dakota del Norte; n1; norte Þ¼
¼0
ÿÿd
ÿd ¼ ÿ d

El objetivo es resolver el sistema no lineal multivariable anterior mediante el uso de Newton

método usando el programa Mathematica. Se aplica el siguiente algoritmo.

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

restricción g5 para encontrar el valor de Kd como:

ÿg1 ÿg1 ÿg1 ÿg1

2 3
6
ÿQm ÿnd ÿn1 ÿN 7

6 7

g1ðÞ qm; Dakota del Norte; n1; norte 6

ÿg2 ÿg2 ÿg2 ÿg2 7

2 3
6
g2ðÞ qm; Dakota del Norte; n1; norte 7
6

6 ÿQm ÿnd ÿn1 ÿN 7

G yð Þ¼ 6 7
J yð Þ¼ 6 7

g3ð qm; Dakota del Norte; n1; norte el 6

ÿg3 ÿg3 ÿg3 ÿg3 7

ÿN
6 7

4 g4ð qm; Dakota del Norte; n1; norte el 5; 6 ÿQm ÿnd ÿn1 7

6 7

ÿg4 ÿg4 ÿg4 ÿg4

4 ÿQm ÿnd ÿn1 ÿN 5

qm
2 n1 3
6 7

Paso 2: Sea y ÿ ÿn . Entonces y representa el vector 6

Dakota del Norte
7

6 7

norte

4 ÿd 5

Paso 3: Asuma cualquier valor inicial y0 para Qm, nd, n1 y N cuando ÿd = 0.

ÿ1
Paso 4: Calcule G(y0 ), J(y0) y luego encuentre la matriz inversa J (y0), para y0.
ÿ1
Paso 5: Resolver el sistema y1 = y0 ÿ J (y0) G (y0).
Paso 6: Use los resultados de y1 para encontrar la siguiente iteración y2 usando el mismo procedimiento.

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.

Paso 8: Repita los pasos 1, 2, 3 y 4 cambiando ÿd y sumando g5(Qm, nd, n1, N) a

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)

se puede calcular fácilmente.

El modelo para el entorno difuso

Los coeficientes de costo de inventario, parámetros de elasticidad y otros coeficientes en el

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

Hollah y Fergany Revista de la Sociedad Matemática Egipcia (2019) 27:10 Página 9 de 13

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:

Cp ¼ Cpÿÿ1; PC; PC 2 _ ; Co ¼ ð ÞCo ÿ ÿ3; Qué; ¿Qué þ ÿ4 ;

Ca ¼ ð ÞChÿÿ5; Ch; Cr þ ÿ6 ; Cb ¼ ð ÞCbÿÿ7;Cb; Cb þ ÿ8 ;

CL ¼ ð CLÿÿ9; CL;CL þ ÿ10 Þ y Cd ¼ ð Þ Cd ÿ ÿ11; Discos compactos; Cd + ÿ12 :

donde ÿi, i = 1, 2, … … , 12 son números positivos arbitrarios bajo el siguiente

restricciones:

0ÿÿ1 ÿCp; ÿ2 ÿ0; 0ÿÿ3 ÿCo; ÿ4 ÿ0; 0ÿÿ5 ÿCh; ÿ6 ÿ0;

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:

C ~ pLð Þ¼ ÿ Cp ÿ ð Þ 1 ÿ ÿ ÿ1; C ~ pRð Þ¼ ÿ Cp þ ð Þ 1 ÿ ÿ ÿ2;

C ~ oLð Þ¼ ÿ Co ÿ ð Þ 1 ÿ ÿ ÿ3; C ~ oRð Þ¼ ÿ Co þ ð Þ 1 ÿ ÿ ÿ4;

C ~ hLð Þ¼ ÿ Ch ÿ ð Þ 1 ÿ ÿ ÿ5; C ~ hRð Þ¼ ÿ Ch þ ð Þ 1 ÿ ÿ ÿ6;

C ~ bLð Þ¼ ÿ Cb ÿ ð Þ 1 ÿ ÿ ÿ7; C ~ bRð Þ¼ ÿ Cb þ ð Þ 1 ÿ ÿ ÿ8;

C ~ LLð Þ¼ ÿ CL ÿ ð Þ 1 ÿ ÿ ÿ9; C ~ LRð Þ¼ ÿ CL þ ð Þ 1 ÿ ÿ ÿ10;

C ~ dLð Þ¼ ÿ Cd ÿ ð Þ 1 ÿ ÿ ÿ11; C ~ dRð Þ¼ ÿ Cd þ ð Þ 1 ÿ ÿ ÿ12

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 ;

Fig. 2 Coste del pedido como número borroso triangular

Machine Translated by Google

Hollah y Fergany Revista de la Sociedad Matemática Egipcia (2019) 27:10 Página 10 de 13

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

pag; C~o;C~ h;C~ b; C ~L; y C~ d. Entonces los valores óptimos Q metro,

nn 1; d, y Nÿ que minimizan

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)

D La demanda esperada por unidad de artículo D ÿ ðD1; D2; …; DnÞ

Tabla 1 Valores nítidos y borrosos de los parámetros

Parámetros Crujiente Parámetros Difuso

CP 150 (145, 150, 154)

C~p

Co 180 C~o (173, 180, 190)

Cb 4.2 c~b (4, 4.2, 4.25)

CL 7.98 C~L
(7.68, 7.98, 8.48)

Ch 3 C~h (2.95, 3, 3.02)

Discos compactos
0.8 C~d (0,76, 0,8, 0,81)

Kd 7 K~d 6.4
Machine Translated by Google

Hollah y Fergany Revista de la Sociedad Matemática Egipcia (2019) 27:10 Página 11 de 13

Tabla 2 Valores nítidos y borrosos para el deterioro de Gumbel

b ÿd qm Dakota del Norte n1 norte ETC) E(TC)/Qm

0.1 8.4 443.4 3.88 4.81 4.9 14170.9 31.96

0.2 28.1 733.14 3.52 3.1 3.13 7656.05 10.443

0.3 14.6 617.22 3.7 3.93 5.06 5713.74 9.26

0.4 17.3 708.91 3.71 3.97 17.39 5353.43 7.552

0.5 24.7 1057.93 3.69 3.85 30.36 8962.51 8.472

0.6 37.45 3646.41 3.66 3.72 43.2 43586.39 11.953

0.7 53.2 5342.03 3.648 3.67 55.92 103839.8 19.44

0.8 70.4 117.9 3.65 3.665 67.82 4176.02 35.429

0.9 86.63 4.913 3.66 3.7 78.41 586.243 119.324

~
N~
b ~ÿd Q~m n~d n~1
EðTCfÞ EðTCfÞ=Q~m

0.1 8.5 445.8 3.89 4.841 5.13 13097.2 29.382

0.2 28.2 733.83 3.52 3.1 3.15 7636.5 10.41

0.3 17.8 666.5 3.65 3.78 3.72 6307.9 9.465

0.4 22.2 793.81 3.645 3.675 15 5835.1 7.351

0.5 29.13 1178.221 3.644 3.7 28.784 9707.942 8.2395

0.6 36.3 3359.6 3.66 3.7462 43.39 39928.98 11.885

0.7 44.7 14491.579 3.7 3.867 57.16 282737.4 19.511

0.8 70.5 122.64 3.645 3.7 67.73 4292.7 35.004

0.9 86.7 5.24 3.65 3.686 78.33 600.1 114.62

Co El costo del pedido por artículo unitario por ciclo

Cp El costo de compra por artículo unitario por ciclo

Cb El costo del pedido pendiente por artículo unitario por ciclo

CL El costo de venta perdido por artículo unitario por ciclo

Ch El costo de mantenimiento por artículo unitario por ciclo

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

valor de rescate asociado con el artículo deteriorado

ÿ(t) La tasa de deterioro en el tiempo t
kd La meta asociada al costo de deterioro esperado

Fig. 3 Valor nítido y difuso para la distribución de Gumbel

Machine Translated by Google

Hollah y Fergany Revista de la Sociedad Matemática Egipcia (2019) 27:10 Página 12 de 13

E(TC) La función de costo promedio total esperado E( TC(Qm, nd, n1, N))

C~o El costo de pedido difuso por artículo unitario por ciclo

C~
pag
El costo de compra difuso por artículo unitario por ciclo

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

C~ h ðNÞ El costo variable difuso de mantenimiento por ciclo ¼ C~ h norte - ÿ

C~ dðNÞ El costo difuso variable de deterioro por pedido ¼ C~ d Nÿ

C~vðNÞ El costo difuso variable de recuperación por pedido ¼ C~ d ÿ Nÿ

~kd El objetivo borroso asociado al costo de deterioro esperado

n1 El tiempo de desabastecimiento (variable de decisión)

nd El tiempo de deterioro (variable de decisión)

q1(t) El nivel de inventario en el momento t (0 ÿ t ÿ nd) en el que el producto tiene demanda

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

q4(t) El nivel de inventario en el momento t (n1 ÿ t ÿ N) en el que el producto ha perdido ventas

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

Bondad de ajuste: Kolmogorov–Smirnov

Tamaño de la muestra 60

un 0.05

Valor crítico 0.17231

valor p 0.73526

Agradecimientos
No aplica

Fondos
No aplica

Disponibilidad de datos y materiales.

Los conjuntos de datos utilizados y/o analizados durante el estudio actual están disponibles del autor correspondiente en
petición razonable.

Contribuciones de los autores

Ambos autores contribuyeron en este documento y luego leyeron y aprobaron el manuscrito final.

Conflicto de intereses
Los autores declaran que no tienen intereses contrapuestos.

Nota del editor

Springer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.
Machine Translated by Google

Hollah y Fergany Revista de la Sociedad Matemática Egipcia (2019) 27:10 Página 13 de 13

Detalles del autor

1 2
Departamento de Matemáticas, Instituto Superior de Informática, Información y Gestión, Tanta, Egipto. de Matemáticas, Departamento
Facultad de Ciencias, Universidad de Tanta, Tanta, Egipto.

Recibido: 16 de marzo de 2018 Aceptado: 2 de septiembre de 2018

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)