“Modelo de Vendedor de Periódico”

Benites Chero Yadira, Esquives Vidarte Mauricio, Heredia Rubio Cristofer,

Ordoñez Ventura Erika y Ramirez Campos Jander

EPIS, Universidad Nacional Pedro Ruiz Gallo

IS331 – Investigación de Operaciones II

MBA. Ing. Oscar Enrique Salazar Carbonel

Julio 2022
 EL PROBLEMA DEL VENDEDOR DE PERIÓDICOS

1. Introducción

La diferencia fundamental entre unos y otros modelos, es que en los modelos EOQ

(Cantidad Económica Pedida) se realiza un pedido cuando se alcanza un cierto nivel

que justifique el pedido (el nivel de reserva) mientras que en el segundo tipo de

modelos se hace un nuevo pedido invariablemente transcurrido un cierto periodo de

tiempo. Observemos que en los sistemas de inventario EOQ la reposición del stock

puede suceder en cualquier momento del tiempo. Los modelos EOQ son, por tanto,

independientes del tiempo, mientras que son dependientes de la demanda aleatoria que

se intenta suplir: cuando la demanda aumente, el stock del bien disminuirá hasta el

nivel de reserva, superado el cual, el bien puede agotarse.

Hacemos esta distinción entre sistemas de inventarios no sólo por completitud teórica,

sino también por manifestar que en este documento vamos a considerar las

características más usuales que presenta este problema en la práctica y como hemos

propuesto sustituir el sistema actual de inventario de efectivo de los ATMs, basado en

un modelo temporal (un modelo P) por un modelo EOQ. Así que lo hemos organizado

en los siguientes apartados: formulación del modelo que maximiza los beneficios,

simplificación de este modelo mediante el análisis marginal, cálculo del óptimo

cuando la demanda es discreta y cálculo del óptimo cuando la demanda es continua

2. Definición

El problema del trabajador es una forma sencilla de ilustrar una categoría de problema

con una demanda incierta (estocástica) pero con una distribución de probabilidad

conocida, en la que se debe especificar un orden económico o tamaño de lote que

minimice la función de costo esperada.

 Este problema está compuesto de un período donde los periódicos que no se venden

un día no se pueden vender al día siguiente al valor de mercado y, por lo tanto, el

exceso de inventario (la cantidad del pedido excede la demanda) tiene un costo

monetario.

3. Concepto

El problema de la sonda subyace en el modelado de decisiones personalizado bajo

incertidumbre, que se estudia en la gestión de operaciones. Este problema se puede

formular matemáticamente. Y tiene una solución que brinda el mejor equilibrio entre

los costos potenciales de la demanda insatisfecha y los costos potenciales de la

sobreproducción. Si el costo de la escasez de un producto es demasiado alto, la

solución suele ser ofrecer un gran pedido de productos para cubrir el riesgo.

4. Tipos

a) Modelo general

Notación empleada

p: precio unitario de venta durante el período (€/ud),

v : coste unitario de adquisición (€/ud),

g: precio unitario de liquidación al término del período (€/ud),

B: penalización por cada unidad no servida (€/ud),

Q: tamaño del lote de compra (uds),

X: demanda aleatoria y no negativa durante el período (uds),

F(x) función de distribución de la demanda,

 P(Q, x) beneficio total (€),

C(Q, x) coste marginal (€),

cM coste unitario por falta de servicio (€/ud) expresado como cM = p-v+B,

cL coste unitario de liquidación (€/ud) expresado como cL = v – g

Los parámetros básicos

El objetivo es maximizar el beneficio total

● Los ingresos los proporcionan las unidades vendidas, a los que se les resta el

coste de adquisición de las unidades del lote.

● Si el lote resulta ser mayor que la demanda (x<Q), el inventario al final del

período se liquida a bajo precio.

● Si el lote resulta ser menor que la demanda (x≥Q), se pierde margen por las

unidades no servidas y la penalización por falta de servicio.

El beneficio obtenido si se ha lanzado un lote Q y la demanda en el período es x resulta ser:

b) Simplificación del modelo general

Según lo anterior se puede conducir a obtener el lote y beneficio óptimo. Sin

embargo, nos centraremos sólo en determinar el lote óptimo. El análisis

marginal consiste en examinar la variación del beneficio si el lote Q aumenta o

disminuye.

si la demanda ha resultado ser menor que el lote lanzado (x<Q), si se hubiera

lanzado una unidad menos se habría liquidado una unidad menos y el

beneficio no se habría reducido en el coste de liquidación de esa unidad:

si la demanda ha resultado ser mayor que el lote lanzado (x≥Q), si se hubiera

lanzado una unidad más se habría servido una unidad adicional y el beneficio

habría aumentado en el margen de esa unidad y la menor penalización por

falta de servicio:

El modelo inicial que busca maximizar el beneficio es equivalente, en el

sentido que tienen el mismo óptimo, que un nuevo modelo que busca

minimizar los costes marginales.

Formulación habitual en un solo período.

c) Demanda discreta

El coste marginal esperado cuando la demanda es discreta es:

la demanda es discreta también lo es el lote, luego la función de costes no es

diferenciable. Para encontrar su óptimo debemos recorrer la función

aumentando el lote en una unidad en cada paso hasta que empiecen a aumentar

los costes.

El coste marginal esperado si el lote aumenta una unidad es:

donde al cociente se le denomina fracción crítica.

El coste marginal esperado disminuye mientras F(Q) es menor que la fracción

crítica y aumenta cuando es mayor. En consecuencia, el lote óptimo es el

menor entero que cumple:

d) Demanda continua

El enfoque es el mismo con la ventaja de que la función es derivable.El coste

marginal esperado en el período si se lanza una orden de tamaño Q es:

Aplicando la regla de Leibnitz, establece que:

y se obtiene:
CASO 1 ( VENDEDOR DE PERIODICOS)

Una canillita compra periodicos al comienzo del dia y no sabe cuantos vendera. Al final del dia,
carecen de valor y tiene que desecharlos por lo que si compra mas de lo necesario pierde parte
de la ganancia correspondiente a lo vendido, si compra menos de los necesario pierde
utilidades potenciales.
si c= U$$ 0.10 (costo de un periodico) y P= U$$ 0.25 (precio de venta), elaborar la matriz de
pagos considerando cuatro posibles acciones; comprar 0, 100, 200 y 300 unidades y suponer
que los estados de la naturaleza corresponden a neviles de demanda comparables a las

Se construye la matriz de pagos :

TABLA 1.1

vender
0u 100 200 300
0u 0 u 0 u 0 u 0
COMPRAR 100 u -10 15 15 15
200 u -20 5 30 30
300 u -30 -5 20 45

TABLA 2

vender
0u 100 200 300
0u 0 u 0 u 0 u 0
COMPRAR 100 u -10 15 15 15
200 u -20 5 30 30
300 u -30 -5 20 45
PROB 0,3 0,2 0,4 0,1
 Analisis bajo incertidumbre: Sin informacion probalistica

TABLA 3

vender MA
0u 100 200 300 XI
0u 0 u 0 u 0 u 0 MA 0
COMPRAR 100 u -10 15 15 15 X 15
200 u -20 5 30 30 30
300 u -30 -5 20 45 45

- Segun el criterio de maximax se debe decidir comprar 300 unidades de periodicos

- Segun el criterio de maximin se debe decidir comprar 100 unidades de periodicos

HALLANDO LA MATRIZ DE ARREPENTIMIENTOS:

TABLA 4

vender MINI
0u 100 200 300 M
0u 0 u 0 u 0 u 0 AX 45
COMPRAR 100 u -10 15 15 15 30
200 u -20 5 30 30 20
300 u -30 -5 20 45 30

Segun el criterio de minimax conviene comprar 200 unidades de periodicos para

tener el mismo arrepentimiento

Analisis bajo riesgo: Con informacion probalistica

LAPLACE: suponga que todos los estados de la naturaleza son igualemnte probables

VE(comprar 0u) = 0
VE(comprar 100u) = 8,75
VE(comprar200u) = 11,2
VE(comprar300u) = 5 7,5

Dado que comprar 200 unidades de periodico nos reditua el mayor valor
esperado, elegimos esta alternativa.

VME: criterio de valor medio esperado. Usando las probabilidades asignadas

VE(comprar 0u) = 0
VE(comprar 100u) = 7,5
VE(comprar200u) = 10
VE(comprar300u) = 2,5

Según el criterio el valor medio esperado la mejor alternativa es la de

comprar 200 unidades de periodicos

POE: perdida de la oportunidad esperada. Utilizando la matriz de

arrepentimientos (tabla 4)

VE(comprar 0u) = 19,5

VE(comprar 100u) = 12
VE(comprar200u) = 9,5
VE(comprar300u) = 17

Según el criterio de Perdida de la Oportunidad Esperada la mejor

alternativa es la de comprar 200 unidades de periodicos

VEIP: Valor Esperado de la Informacion Perfecta

VEIP= VE con certeza Total - VM Optimo ( usando los optimos de la tabla 3)

VE con certeza Total : 19,5

VM Optimo = VME: 10
VEIP: 9,5

CON LO QUE SE COMPRUEBA QUE E POE TIENE EL MISMO VALOR QUE EL

VEIP

MA
XI
MI 0
N -10
-20
-30
Caso 2:
Un vendedor de periódicos elige todas las noches que cantidad de periódico él va a pedir
al editor. El costo unitario es $1.5 pero él puede devolver al editor periódicos no
vendidos y recibir a cambio $0.9. Cada cliente que llega a su tienda y sale sin periódico
tiene un costo de $2.5 para el vendedor. Suponiendo que la demanda por periódicos es
uniforme en el intervalo [50,150], ¿cuántos periódicos el vendedor debe pedir
diariamente al editor?
Primero debemos determinar cuáles son los parámetros del modelo: c=$1.5, h=$0.9, p=$2.5 y
F(x)~U[50,150]. Luego evaluamos en F(y*) para obtener el tamaño de pedido que minimiza
la función de costo esperado:

La cantidad de periódicos que debe pedir el vendedor es 112 unidades. Notar que, si bien en
el denominador de la fórmula se considera h con signo positivo, en el ejemplo dicho valor
corresponde a un ingreso (lo que el vendedor puede rescatar o recuperar por cada unidad que
no logra vender. Esto se conoce alternativamente como salvage value) por tanto se evalúa con
signo negativo.

Finalmente, al evaluar el tamaño óptimo de pedido en la función de costo esperado se

obtiene:

Donde μ es la media de la variable aleatoria que representa el comportamiento de la

demanda.
En el ejemplo la media de una distribución uniforme entre [50,150] es μ= (50+150) /2=100.
Finalmente, al desarrollar la expresión se obtiene C (112) =$168,752.
Finalmente: ¿Cuál es la probabilidad de satisfacer la demanda para el vendedor de periódicos
en un día cualquiera?
Si compra y=112 periódicos la probabilidad de Instock es P[D<=112]= (112-50) / (150-50)
=62%. Esto implica que la probabilidad de incurrir en un quiebre de stock para el tamaño de
pedido que minimiza la función de costos esperados es de un 38% (100%-62%).