Documentos de Académico
Documentos de Profesional
Documentos de Cultura
probabilisticos
JORGE LUIS MELCHOR PEREZ
modelos
probabilisticos
ðL = DL σL = √σ² L
MODELO EOQ
PROBABILIZADO
Este modelo permite faltantes en la demanda, la política requiere ordenar la cantidad y siempre
que el inventario caiga al nivel R. Como en el caso determinista, el nivel de reorden R es una
función del tiempo de entrega, entre colocar y recibir un pedido. Los valores óptimos de y y R, se
determinan minimizando el costo esperado por unidad de tiempo que incluye la suma de los costos
de preparación, conservación y faltante.
El modelo tiene 3 suposiciones
La demanda no satisfecha durante el tiempo de entrega se acumula.
No se permite más de una orden pendiente.
La distribución de la demanda durante el tiempo de entrega permanece estacionaria (sin cambio)
con el tiempo.
Para desarrollas la función de costo total por unidad de tiempo, sea
f(x) = fdp de la demanda, x, durante el tiempo de entrega
D = demanda esperada por unidad de tiempo
h = costo de manejo por unidad de inventario por unidad de tiempo
p = costo de faltante por unidad de inventario
K = costo de preparación por pedido
Con base en estas definiciones, se determinan los elementos de la función de costo.
• Costo de preparación: el número aproximado de pedidos por unidad de tiempo es D/y, por lo que el costo de
preparación por unidad de tiempo es KD/y.
• Costo de manejo esperado: el inventario promedio es:
I = y/2 + R - E(x)
El costo de manejo esperado por unidad de tiempo es, por tanto, igual a hI
La fórmula no considera el caso de que R-E(x) pueda ser negativo.
Costo de faltante esperado: el faltante ocurre cuando x > R. De esta manera, la cantidad faltante esperada por ciclo
es:
S = x(x-R) f(x) dx
El costo de faltante por unidad de tiempo es = pDS/y
La solución para obtener y* y R* optimas se determina por
Y* = √2D (K + pE(x)
h la integral de R* hasta ð en función de (x) = hy*/pD
Como y* y R* no se pueden determinar de forma cerrada, se usa un algoritmo numérico, desarrollado por Hadley
y Whitin para encontrar las soluciones. El algoritmo se prueba para que converja en un numero finito de
iteraciones, a condiciones de que exista una solución factible.
PENSAMOS QUE NUESTRO
CAMINO A LA META SERÁ
SIN OBSTACULOS PERO LA
REALIDAD ES QUE VA A
ESTAR LLENO DE
OBSTACULOS