Dr.

Juan Pérez
INVESTIGACIÓN
OPERATIVA I
(IO I)

Introducción a la
Investigación Operativa

Material de Lectura

Facultad Politécnica
Facultad Politécnica UNA
Facultad Politécnica
Universidad Nacional de Asunción

Índice

1 INTRODUCCIÓN.............................................................................................................. 3
2 MODELO “PROBABILIZADO” DE CANTIDAD ECONÓMICA DE PEDIDO ...................................... 3

2.1 FORMULACIÓN DE LA PROBABILIDAD PARA DETERMINAR B ........................................................................4

2.1.1 Ejemplo de aplicación ...................................................................................................................5
3 MODELO PROBABILÍSTICO DE CANTIDAD ECONÓMICA DE PEDIDO ......................................... 6
3.1 HIPÓTESIS DEL MODELO .......................................................................................................................6
3.1.1 Función de costo total ..................................................................................................................6
3.1.2 Algoritmo de solución...................................................................................................................8
3.1.3 Ejemplo de aplicación ...................................................................................................................9
4 MODELO DE UN PERIODO .............................................................................................. 10
4.1 M ODELO SIN PREPARACIÓN ................................................................................................................... 11
4.1.1 Ejemplo de aplicación ................................................................................................................ 13
4.2 M ODELO CON PREPARACIÓN (POLÍTICA T – T) ......................................................................................... 14
4.2.1 Ejemplo de aplicación ................................................................................................................ 16
4.3 M ODELO DE VARIOS PERIODOS .............................................................................................................. 17
4.3.1 Descripción del modelo ............................................................................................................. 17
BIBLIOGRAFÍA...................................................................................................................... 19

2
Facultad Politécnica
Universidad Nacional de Asunción

1 INTRODUCCIÓN
En este material se estudiarán los modelos probabilísticos o estocásticos de
inventarios, que están elaborados para el análisis de sistemas de inventarios donde
existen una gran incertidumbre referente a las demandas futuras.

Se presentará una versión probabilizada de la cantidad económica de pedido (EOQ) y

un modelo probabilístico de EOQ que incluye a la demanda probabilística directamente
en la formulación.

2 Modelo “probabilizado” de cantidad económica de

pedido
En este caso vamos a tratar de adaptar el modelo determinístico de cantidad
económico de pedido (EOQ) para que la naturaleza probabilística de la demanda se
refleje, usando una aproximación que sobrepone una existencia constante de reserva
sobre el nivel de inventario en toda la etapa de planeación.

De esta forma, el tamaño de la reserva se determina de tal modo que la probabil idad
de que se agote la existencia durante el tiempo de entrega (periodo entre la
colocación y la recepción de un pedido) no sea mayor que un valor especificado.

Definimos

• L = tiempo de entrega entre la colocación y la recepción de un pedido.

• X L = variable aleatoria que representa la demanda durante el tiempo de
entrega.
•  L = demanda promedio durante el tiempo de entrega.
• L = desviación estándar de la demanda durante el tiempo de entrega.
• B = tamaño de la existencia de reserva.
•  = probabilidad máxima admisible de que se agote la existencia durante el
tiempo de entrega.

La hipótesis principal del modelo es que X L , la demanda durante el tiempo de entrega

L , tiene distribución normal, con promedio  L y una desviación estándar  L , es
decir, N (  L ,  L ) .

3
Facultad Politécnica
Universidad Nacional de Asunción

La figura muestra la relación entre la reserva de existencia B y los parámetros del

modelo determinista de EOQ, que incluyen el tiempo de entrega L , la demanda
promedio durante el tiempo de entrega  L y la cantidad económica de pedido Q* .

2.1 Formulación de la probabilidad para determinar B

Se puede escribir como sigue:

P X L  B + L  

A continuación, transformamos X L en una variable aleatoria normal estándar N ( 0 ,1)

con la siguiente sustitución:

X L − L
z=
L

De aquí:

 B
P z    
 L 

La figura define a K  que se determina con la tabla normal estándar, de tal modo
que:

P z  K  = 

En consecuencia, el tamaño de la reserva debe satisfacer:

B   L K

La demanda durante el tiempo de entrega L se suele describir con una función de

densidad de probabilidades por unidad de tiempo (es decir, por día o por semana), a
partir de la que se pueda determinar la distribución de la demanda durante L . Dado

4
Facultad Politécnica
Universidad Nacional de Asunción

que la demanda por unidad de tiempo es normal, con media d y desviación estándar
 de la demanda, durante el tiempo de entrega L , se calculan como sigue:

L = d  L
 L = 2  L

En la fórmula de  L se requiere que L sea un valor (redondeado a) entero.

2.1.1 Ejemplo de aplicación

Se cambia luces de neón en el campus de la UNA a una tasa de 100 unidades diarias.
Estas luces de neón se piden en forma periódica. Cuesta $100 iniciar una orden de
compra. Se estima que una luz de neón en el almacén cuesta unos $ 0,02 diarios. El
tiempo de entrega, entre la colocación y la recepción de un pedido es de 2 días.

Primeramente aplicamos EOQ básico para determinar los parámetros y el óptimo del
problema:

d = 100 unidades por día

K = $ 100 por pedido
h = $ 0, 02 por unidad y por día
L = 2 días

De aquí:

2d K 2 100 100
Q* = = = 1000 luces de neón.
h 0,02

Q* 1000
Y la longitud de un ciclo es t* = = = 10 días .
d 10

Ahora, si la demanda diaria es normal, con promedio d = 100 luces y la desviación

estándar  = 10 luces, es decir, N (100 ,10 ) , determine el tamaño de la reserva tal que
la probabilidad de que se agote la existencia sea menor que  = 0,05 .

Aplicamos en este caso el modelo “probabilizado” de EOQ.

Como L = 2 días. Entonces:

 L = d  L = 100  2 = 200 unidades

 L = 2  L = 102  2 = 14,14 unidades

De la tabla de distribución normal de probabilidades, K = K0 ,05 = 1,645 , entonces el

tamaño de la reserva se calcula como sigue:

5
Facultad Politécnica
Universidad Nacional de Asunción

B  L  K = 14,14 1,645  23 luces de neón.

La política óptima de inventario es comprar Q* = 1000 unidades siempre que el nivel

de inventario baje a B + L = 23 + 200 = 223 unidades.

3 Modelo probabilístico de cantidad económica de

pedido
A diferencia del modelo “probabilizado” de cantidad económica de pedido, en este
modelo se permite faltante durante la demanda.

La política establece pedir la cantidad Q siempre que el inventario baja a nivel S .

Como en el caso determinístico, el nivel para pedir S (nivel de reorden) es una función
del tiempo de entrega entre la colocación y la recepción de un pedido.

Los valores de y se determinan minimizando el costo esperado por unida d de tiempo,

que incluye la suma de los costos de preparación, de almacenamiento y de faltante.

3.1 Hipótesis del modelo

El modelo tiene tres hipótesis:

1. La demanda no satisfecha durante el tiempo de entrega se acumula.

2. No se permite más de un pedido vigente.
3. La distribución de la demanda durante el tiempo de entrega permanece
estacionaria (no cambia) con el tiempo.

3.1.1 Función de costo total

Para deducir la función de costo total por unidad de tiempo, definimos:

• f ( x ) = Función de distribución de probabilidades de la demanda x durante el

tiempo de entrega.
• d = Demanda esperada por unidad de tiempo.

6
Facultad Politécnica
Universidad Nacional de Asunción

• h = Costo de almacenamiento por unidad de inventario y por unidad de

tiempo.
• p = Costo de faltante por unidad de inventario.
• K = Costo de preparación por pedido.

A continuación, estableceremos los elementos de la función de costo.

• Costo de preparación: Como la cantidad aproximada de pedidos por unidad de

d
tiempo es , por lo que el costo aproximado de preparación por unidad de
Q
d Kd
tiempo es K  = .
Q Q
• Costo esperado de almacenamiento: El inventario promedio es:
( Q + E S − x) + E S − x = Q + S − E
I=  x
2 2
Donde:
Q + E S − x es el promedio de inventario esperado inicial y E S − x es el
promedio de inventario esperado final.
Como aproximación, en la ecuación no se tiene en cuenta el caso en el que
S − E  x pueda ser negativo.
De esta forma, el costo esperado por mantener el inventario por unidad de
tiempo es igual a h  I .
• Costo esperado por faltante: Existe faltante cuando x  S . Así, la cantidad
esperada de faltante por ciclo es:
+

F=  ( x − S ) f ( x ) dx
S

Como se supone que p es proporcional a la cantidad de faltante, el costo

d
esperado de faltante por ciclo es p  F , y para ciclos por unidad de tiempo,
Q
pd F
el costo de faltante por unidad de tiempo es .
Q

Así, la función de costo total por unidad de tiempo es igual a:

+
dK Q  pd
C ( Q,S ) = + h  + S − E  x  +  ( x − S ) f ( x ) dx
Q 2  Q S

De esta forma igualando las derivadas parciales de C ( Q,S ) a cero, tenemos el

siguiente sistema:

7
Facultad Politécnica
Universidad Nacional de Asunción

 C  d K  Q pd
+

 = −  2  + − 2  ( x − S ) f ( x ) dx = 0
 Q Q  2 Q S
 +
 C pd
 Q = h − Q  ( x − S ) f ( x ) dx = 0
 S

De aquí, se llega a:

 +

2d  K + p  ( x − S ) f ( x ) dx 
 
  ........... 1
Q* =
S
()
h
+
h Q*
 f ( x ) dx = ........................................( 2 )
S*
pd

En las ecuaciones (1) y (2) los valores de Q* y S * no se pueden determinar en formas

cerradas, por lo que se utiliza un algoritmo numérico desarrollado por Hadley y Whitin
para determinar las soluciones.

El algoritmo converge en una cantidad finita de iteraciones, siempre y cuando exista

una solución factible.

Para S = 0 , las dos últimas ecuaciones dan como resultado, respectivamente:

 2d ( K + p E  x )
Q= ...........(1)
h
pd
Q= .................................. ( 2 )
h

Si Q  Q , existen valores óptimos únicos de Q* y S * . En el método de solución se
2 dK
reconoce que el valor mínimo de Q* es , que se alcanza cuando S = 0 .
h

3.1.2 Algoritmo de solución

Paso 0:

2 dK
Usar la solución inicial Q1 = , y hacer S0 = 0 . Igualar i = 1 y seguir en el paso i .
h

Paso i:

Usar Qi para determinar S i con la ecuación (2). Si Si  Si −1 detenerse: la solución

óptima es Q* = Qi y S * = Si . En caso contrario, usar S i en la ecuación (1) para calcular
Qi . Igualar i = i + 1 y repetir el paso i.

8
Facultad Politécnica
Universidad Nacional de Asunción

3.1.3 Ejemplo de aplicación

Electro usa 1000 galones de resina por mes en el proceso de manufactura. Le cuesta
$100 hacer un pedido para un lote nuevo. El costo de almacenamiento por galón y por
mes es de $ 2 , y el costo de faltante por galón es de $10 . Los datos históricos indican
que la demanda, durante el tiempo de entrega, es uniforme dentro del intervalo
( 0 ,1000 ) galones. Determine la política óptima de pedidos para Electro.
Del enunciado del ejercicio, definimos los parámetros:

d = 1000 galones por mes

K = $ 100 por pedido
h = $ 2 por galón y por mes
p = $ 10 por galón
1
f ( x) = , 0  x  100
100
E  x = 50 galones

Comprobamos primeramente que el problema tenga una solución factible, entonces:

 2d ( K + p E  x ) 2 1000 (100 + 10  50 )
Q= = = 774, 6 galones
h 2
p d 10 1000
Q= = = 5000 galones
h 2

Como Q  Q , existen valores óptimos únicos de Q* y S * .

Entonces:
+ 100
1 S2
F=  ( x − S ) f ( x ) dx = 
S S
( x − S ) dx =
100 200
− S + 50

De aquí:

 +

2d  K + p  ( x − S ) f ( x ) dx 
 
  = 2 1000 (100 + 10 F ) .......... 1
Qi =
S
()
h 2
+ 100
hQi 1 2Q i
 f ( x ) dx =   100 dx = 10 1000
Si
pd Si

9
Facultad Politécnica
Universidad Nacional de Asunción

La última igualdad queda como:

Qi
Si = 100 − ..........( 2 )
50

Vamos a calcular la solución utilizando las ecuaciones (1) y (2):

Iteración 1:

2d K 2 1000 100
Q1 = = = 316, 23 galones
h 2
Q 316, 23
S1 = 100 − 1 = 100 − = 93, 68 galones
50 50

Iteración 2:

S12 93,682
F= − S1 + 50 = − 93,68 + 50 = 0 ,19971 galones
200 200
2 1000 (100 + 10 F ) 2 1000 (100 + 10  0 ,19971)
Q2 = = = 319,37 galones
2 2

De aquí:

Q2 319,37
S2 = 100 − = 100 − = 93,612 galones
50 50

Iteración 3:

S22 93,682
F= − S2 + 50 = − 93,68 + 50 = 0 , 20399 galones
200 200
2 1000 (100 + 10 F ) 2 1000 (100 + 10  0 ,20399 )
Q3 = = = 319, 44 galones
2 2

De aquí:

Q3 319, 44
S3 = 100 − = 100 − = 93,611 galones
50 50

Como S3  S2 el algoritmo termina, obteniendo los óptimos:

Q*  319, 4, S*  93,6 galones.

4 Modelo de un periodo
Los modelos de inventario para un solo artículo se presenta al pedir éste sólo una vez,
para satisfacer la demanda en el periodo.

10
Facultad Politécnica
Universidad Nacional de Asunción

En este caso vamos a estudiar dos modelos de un periodo, que reflejan dos casos: sin
preparación y con preparación.

Primeramente definimos los símbolos de los parámetros que usarán estos modelos:

• c = Costo de compra (o de producción) por unidad.

• K = Costo de preparación por pedido.
• h = Costo de almacenamiento por unidad conservada durante el periodo.
• p = Penalización por unidad faltante durante el periodo.
• d = Variable aleatoria que representa la demanda durante el periodo.
• f ( d ) = Distribución de la función de probabilidad de la demanda durante el
periodo.
• Q = Cantidad pedida.
• x = Cantidad a la mano, antes de hacer un pedido.

El modelo determina el valor óptimo Q* que minimiza la suma de los costos esperados
de compra (o producción), almacenamiento y faltante.

“Dado el valor óptimo Q* , la política de inventario establece pedir Q* − x si x  Q ,

caso contrario no se coloca el pedido.”

4.1 Modelo sin preparación

Las hipótesis de este modelo son:

1. La demanda se presenta en forma instantánea al comenzar el periodo

inmediatamente después de que se recibe el pedido.
2. No se incurre en costo de preparación.

La figura muestra que se satisface la posición del inventario después de la demanda d .

Si d  Q , la cantidad Q − d se almacena durante el periodo. En caso contrario, se
presentará un faltante d − Q si d  Q .

11
Facultad Politécnica
Universidad Nacional de Asunción

El costo esperado E C ( Q ) , para el periodo es

Q +

E C ( Q ) = c ( Q − x ) + h  ( Q − d ) f ( d ) dd + p  ( d − Q ) f ( d ) dd
0 Q

Se puede demostrar que la función E C ( Q ) tiene un mínimo único, porque es

convexa en Q . Se calcula la primera derivada de E C ( Q ) con respecto a Q y se
iguala a cero como sigue:
Q +

E' C ( Q ) = c + h  f ( d ) dd −  f ( d ) dd = 0
0 Q

o bien

E' C ( Q ) = c + h P ( d  Q ) + p (1 − P ( d  Q ) ) = 0

entonces

p−c
P ( d  Q* ) = .
p+h

p−c
El valor de Q* solo está definido si la relación crítica es no negativa, de decir, si
p+h
p  c . El caso en el que p  c no tiene sentido, porque implica que el costo de
compra del artículo es mayor que la penalización por no suministro.

Lo desarrollado anteriormente, supone que la demanda d es continua. Por otra parte,

si d es discreta entonces f ( d ) sólo está definida en puntos discretos y la función de
costo se define como:
Q +
E C ( Q ) = c ( Q − x ) + h  ( Q − d ) f ( d ) + p  (d − Q) f (d )
d =0 d =Q +1

De aquí, las condiciones necesarias de la optimalidad son:

E C ( Q − 1)  E C ( Q ) y E ( Q + 1)  E C ( Q )

En general, estas condiciones implican las siguientes desigualdades para determinar

Q* :

p−c
P d  Q* − 1   P d  Q*  .
p+h

12
Facultad Politécnica
Universidad Nacional de Asunción

4.1.1 Ejemplo de aplicación

El propietario de una tienda expendedora de periódicos desea determinar la cantidad
de diarios USA NOW que deben entregarle diariamente temprano por la mañana. A él
le cuesta $ 30 el ejemplar, y los vende en $ 75 . La venta de periódicos suele ser entre
las 07 : 00 y las 08 : 00 hs A.M.

Los periódicos que no se vendieron al finalizar el día se reciclan a un costo de $ 5 el

ejemplar.

¿Cuántos ejemplares le deben entregar cada mañana?, suponiendo que la demanda

diaria se puede aproximar con:

a) Una distribución normal con promedio de 300 ejemplares y desviación

estándar de 20 ejemplares.
b) Una función de distribución de probabilidades discreta, como sigue:
d 200 220 300 320 340

f (d ) 0,1 0, 2 0, 4 0, 2 0,1

Según el enunciado del ejercicio, los costos de almacenamiento y de faltante no se

definen directamente, pero considerando los datos del problema indican que cada
ejemplar no vendido le cuesta $ 30 − $ 5 = $ 25 al propietario, y que la penalización por
terminársele los periódicos es $ 75 − $ 30 = $ 45 por ejemplar.

Así, los parámetros de inventario son:

c = $ 30 por ejemplar
h = $ 25 por ejemplar .
p = $ 45 por ejemplar y por día.

Primeramente calculamos

p − c 45 − 30
= = 0, 214 .
p + h 45 + 25

a) Como la demanda d es N ( 300 , 20 ) . Definimos la variable normal estándar

como sigue:
d − 300
z= .
20
Según la tabla de distribución normal estándar P  z  −0 , 79  0 , 214 lo cual
Q* − 300
implica que = −0,79 .
200

13
Facultad Politécnica
Universidad Nacional de Asunción

De aquí, Q* = 284 , 2 aproximadamente 284 ejemplares.

b) La demanda d se asocia a una función de probabilidades discretas, f ( d ) .

A continuación, calculamos la función de distribución acumulada P d  Q como

sigue:

d 200 220 300 320 340

P d  Q 0,1 0, 3 0, 7 0, 9 0,1

p − c 45 − 30
Como = = 0, 214 y P d  200  0 , 214  P d  220 . Entonces,
p + h 45 + 25
Q* = 220 ejemplares.

4.2 Modelo con preparación (política t – T)

La diferencia del modelo sin preparación es que ahora se incurre en un costo de

preparación K . Si utilizamos la misma notación, el costo total esperado por pedido es:

 
E C ( Q ) = K + E C ( Q )

Es decir
Q +

 
E C ( Q ) = K + c ( Q − x ) + h  ( Q − d ) f ( d ) dd + p  ( d − Q ) f ( d ) dd
0 Q

Igual que el caso sin preparación, el valor óptimo Q* debe satisfacer

14
Facultad Politécnica
Universidad Nacional de Asunción

p−c
P ( d  Q* ) = .
p+h

 
Como K es constante, el valor mínimo de E C ( Q ) debe presentarse también en Q*

Si T = Q* y el valor de t  T se determina con la ecuación

 
E C ( t ) = E C (T ) = K + E C (T ) , si t  T

Esta ecuación nos da como resultado un valor t1  T , se desecha.

Si la cantidad a la mano antes de colocar un pedido es x unidades, la pregunta es

¿cuánto se debe pedir? Para responder esta pregunta, analizaremos tres casos:

1. x  t
2. t  x  T
3. x  T

Caso 1 ( x  t ).

Como x unidades ya está a la mano, su costo equivalente es E C ( x ) . Si se pide

cualquier cantidad adicional Q − x ( Q  x ) , el costo correspondiente si Q es

 
E C ( Q ) , que incluye el costo de preparación K . De aquí:

   
min E C ( Q ) = E C (T )  E C ( x )
Q x

Entonces, la política óptima de inventario en este caso es pedir T − x unidades.

Caso 2 ( t  x  T ).

En este caso:

  
E C ( x ) = min E C ( Q ) = E C (T )
Q x

Entonces, no se aconseja pedir en este caso. De esta forma Q* = x unidades.

Caso 3 ( x  T ).

En este caso, para Q  x :


E C ( x )  E C ( Q ) 
Entonces, no se aconseja pedir en este caso. De esta forma Q* = x unidades.

15
Facultad Politécnica
Universidad Nacional de Asunción

La política óptima de inventario, a la que con frecuencia se le llama política (t -T), se

resume como sigue:

Si x  t, pedir T − x
Si x  t, no pedir.

4.2.1 Ejemplo de aplicación

La demanda diaria de un artículo durante un solo periodo se presenta en forma
instantánea al iniciar ese periodo. La función de distribución de probabilidades de la
demanda es uniforme, entre 0 y 10 unidades. El costo unitario de almacenamiento
del artículo durante el periodo es de $ 0,50 , y el costo unitario de penalización por
carencia del mismo es de $ 4,50 . El costo unitario de compra es de $ 0,50 . Se incurre
en un costo fijo de $ 25 cada vez que se coloca un pedido. Determinar la política
óptima de inventario para ese artículo.

Para determinar el óptimo Q* calculamos:

p − c 4 ,5 − 0 ,5
= = 0,8
p + h 4 ,5 + 0 ,5

Además,

Q* *
P d  Q *
 =  101 dd = Q10
0

De aquí: T = Q* = 8 .

La función costo esperado es:

E C ( Q ) = 0,5 ( Q − x ) + 0,5
1 10 1
( Q − d ) dd + 4,5 ( d − Q ) dd
Q

0 10 Q 10

E C ( Q ) = 0, 25 Q 2 − 4 Q + 22,5 − 0,5 x

El valor de t se calcula resolviendo la ecuación E C ( t ) = K + E C (T )

Lo cual implica que

0.25t 2 − 4t + 22,5 − 0,5x = 0.25T 2 − 4T + 22,5 − 0,5x

Y como T = 8 la última ecuación se reduce a:

t 2 − 16 t − 36 = 0 de donde t = −2 o t = 18 .

Se descarta el valor t = 18  T = 8 , y como el valor que resta es negativo, t no tiene

solución factible, por lo que la solución óptima establece no pedir.

16
Facultad Politécnica
Universidad Nacional de Asunción

4.3 Modelo de varios periodos

En este caso vamos a estudiar un modelo para varios periodos con la hipótesis de que
no hay costo de preparación.

Además, el modelo permite acumular la demanda y supone cero retrasos en la

entrega.

De hecho, supone también que la demanda d en cualquier periodo se describe con

una función estacionaria de distribución de probabilidades, f ( d ) .

4.3.1 Descripción del modelo

El modelo de varios periodos considera el valor descontado del dinero.

Si   1 es el factor de descuento por periodo, la cantidad $ A disponible a n periodos

contados desde hoy, tiene un valor presente de $  n  A .

Se supone que la situación del inventario abarca n periodos, y que una demanda no
satisfecha se puede acumular para exactamente un periodo.

Se define entonces:

Fi ( xi ) = Utilidad máxima esperada para los periodos i,i + 1, ,n si xi es la cantidad a

la mano antes de colocar un pedido en el periodo i .

Si es el ingreso por unidad, la situación del inventario se puede formular como un

modelo de programación dinámica como sigue:

 Q

Fi ( xi ) = máx −c ( Qi − xi ) +   rd − h ( Qi − d )  f ( d ) dd +
Qi  xi
 0

+ + 
  rQi + r ( d − Qi ) − p ( d − Qi )  f ( d ) dd +   Fi +1 ( Qi − d ) f ( d ) dd 
Q 0 

Donde Fn +1 ( Qn − d ) = 0 . El valor de xi puede ser negativo, porque se puede acumular

la demanda no satisfecha. Se incluye la cantidad  r ( d − Qi ) en la segunda integral,
porque ( d − Qi ) es la demanda no satisfecha en el periodo que se debe satisfacer en el
periodo i + 1 .

Para el caso en el que la cantidad de pedidos es infinita, la ecuación recursiva se

reduce a:

17
Facultad Politécnica
Universidad Nacional de Asunción

 Q

F ( x ) = máx −c ( Q − x ) +   rd − h ( Q − d )  f ( d ) dd +
Q x
 0

+ + 
  rQ + r ( d − Q ) − p ( d − Q )  f ( d ) dd +   F ( Q − d ) f ( d ) dd 
Q 0 

Donde x y Q son los niveles de inventario para cada periodo, antes y después de
recibir un pedido, respectivamente.

El valor óptimo de Q se puede determinar a partir de la siguiente condición necesaria,

que también resulta ser suficiente, porque la función de ingreso esperada F ( x ) es
cóncava.

F ( x ) +
= −c − h  f ( d ) dd +  (1 −  ) r + p  f ( d ) dd
Q

Q 0 Q

+
F ( Q − d )
+  f ( d ) dd = 0
0
Q

F ( Q − d )
El valor de se calcula como sigue. Si existe   0 unidades más a la mano al
Q
iniciar el siguiente pedido, la utilidad para el siguiente periodo aumentará en c ,
porque hay que pedir esa cantidad de menos. Esto implica que:

F ( Q − d )
=c
Q

De esta forma, la condición necesaria esta dada por:

( )
Q
+
−c − h  f ( d ) dd + (1 −  ) r + p  1 −  f ( d ) dd + c  f ( d ) dd = 0
Q

0 0
0

De aquí, el nivel óptimo de inventario Q* se determina con:

Q* p + (1 +  )( r − c )
 f ( d ) dd =
0 p + h + (1 −  ) r

La política óptima de inventario para cada periodo, dado su nivel inicial de inventario
x es, entonces

Si x  Q* , pedir Q* − x
Si x  Q* , no pedir.

18
Facultad Politécnica
Universidad Nacional de Asunción

Bibliografía

Hillier, F.S. & Lieberman, G. J. (2010). Introducción a la Investigación de Operaciones.

(9na edicción). McGraw-Hill: México.

Hillier, F.S. & Lieberman, G. J. (2015). Introducción a la Investigación de Operaciones.

(10ma edicción). McGraw-Hill Education: México.

Taha, Hamdy A. (2012). Investigación de Operaciones. (9° edicción). México: Pearso

Education

19