Iop 2

2.
MODELO DE INVENTARIO PROBABILISTICO
En los modelos probabilísticos, o estocásticos, algunos elementos no se conocen

con certeza. Es decir, en los modelos probabilísticos se presupone que algunas
variables importantes, llamadas variables aleatorias, no tendrán valores
conocidos antes que se tomen las decisiones correspondientes, y que ese
desconocimiento debe ser incorporado al modelo. Un ejemplo de modelo
probabilístico podría ser la decisión de establecer una compañía de Internet
mediante la venta pública de acciones de capital, antes de saber si el mercado
para nuestra oferta será favorable (mercado en alza) y rendirá un alto precio de las
acciones, o desfavorable (mercado sostenido) y el precio de éstas será bajo.
Por lo tanto, un modelo de inventario probabilístico hace uso de una distribución

de probabilidad para especificar el valor de la demanda o de otra variable
desconocida. Este es precisamente el aporte de la estadística. Partiendo de esto,
se han creado diversos modelos de inventario probabilísticos multiperiodos
clasificados según la forma en que se revisa el inventario, modelos en los cuales
la variación se debe a la incertidumbre y no a causas predecibles. La clasificación
propone distinguir entre modelos de revisión continua y revisión periódica.
2.1 MODELOS DE REVISIÓN CONTINUA
También conocido como sistema de punto de reorden, sistema de cantidad fija o

modelo Q. En este tipo de sistema de control de inventario, cada vez que
realizamos el retiro de un artículo, se realiza el control del inventario restante, en
otras palabras se revisa el nivel del inventario resultante teniendo en cuenta que:
 Si el inventario resultante está por debajo de determinado nivel, se coloca

una nuevo orden.
 Si el inventario resultante no está por debajo del nivel, sigue
consumiéndose.
Dicho esto, revisamos el inventario de forma constante por no tener certeza de la

demanda o del tiempo de entrega, o tenerlos variables que es lo mismo. Esto en
esencia es lo que significa un escenario probabilístico.
En años más recientes, los sistemas de dos contenedores han sido sustituidos por
sistemas de inventarios computarizados. Se hace un registro electrónico de cada
adición al inventario y cada venta que ocasiona una salida, y la computadora
siempre tiene el nivel actual del inventario.
(Por ejemplo, los dispositivos de lectura de códigos de las cajas registradoras de
las tiendas detallan por un lado las compras y por el otro registran la venta de
productos para ajustar los niveles de inventario actuales.) La computadora envía
una orden en cuanto el nivel de inventario llega al punto de reorden.
2.1.1. MODELO EOQ PROBABILIZADO
También conocido como EOQ con demanda probabilística, es una adaptación del
modelo EOQ deterministico (clásico). Este es un proceso estocástico de inventario
en el cual la demanda se describe mediante una distribución de probabilidad.
Usan una aproximación que sobrepone una existencia constante de reserva sobre
el nivel del inventario en todo el horizonte de planeación. El tamaño de la reserva
se determina de tal modo que la probabilidad de que se agote la existencia
durante el tiempo de entrega (el periodo entre la colocación y la recepción de un
pedido) no sea mayor que un valor especificado.
Sean
L = Tiempo de entrega entre la colocación y la recepción de un pedido

XL = Variable aleatoria que representa la demanda durante el tiempo de entrega
µL = Demanda promedio durante el tiempo de entrega
σL =Desviación estándar de la demanda durante el tiempo de entrega
B = Tamaño de la existencia de reserva
α = Probabilidad máxima admisible de que se agote la existencia durante el
tiempo de entrega
y = Cantidad pedida (cantidad de unidades)
D = Tasa de demanda (unidades por unidad de tiempo)
t0 = Duración del ciclo de pedido (unidades de tiempo)
R* = Punto de reorden
y* = Cantidad económica de pedido (Cantidad por ordenar)
K = Costo de preparación correspondiente a la colocación de un pedido ($/pedido)
h = Costo de almacenamiento ($ por unidad en inventario por unidad de tiempo
En el caso de un fabricante que administra su inventario de productos terminados,

la orden será para llevar a cabo una corrida de producción de tamaño Y*. En el de
un distribuidor o un comerciante (o un fabricante que reabastece su materia prima
con un proveedor), la orden será una orden de compra de Y* unidades de
productos.
Una política de inventarios basada en estos dos números críticos es sencilla.

Política de inventarios: siempre que el nivel de inventario de un producto llegue
a R* unidades, se coloca una orden de Y* unidades para reabastecerlo. Con
frecuencia, esta política se llama política de punto de reorden.
Figura . Reserva de
inventario impuesto al
modelo clásico de CEP
Fuente: “Investigación
de Operaciones 6°
Edición” de Taha
Hamdy A., página 560
Figura . Probabilidad de que se agote la

existencia, 𝑃{𝑧 ≥ 𝐾∝ } =∝
Fuente: “Investigación de Operaciones 6°

Edición” de Taha Hamdy A., página 561
Ejemplo 1.
Se cambian luces de neón en el campus de la U de A. 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 12 días. Si la
demanda diaria es normal, con promedio D = 100 luces y la desviación estándar σ
= 10 luces, esto es, N(100, 10), determine el tamaño de la reserva tal que la
probabilidad de que se agote la existencia sea menor que α = 0.05.
Datos:
D = 100 Unidades por día
K = $100 por pedido
h = $0.02 por unidad y por día
L = 12 días
σ = 10 luces
α = 0.05
Paso 1: Primero se calcula la cantidad económica de pedido utilizando la fórmula

que se presentó en la sección “Modelos estáticos de CEP: Modelo clásico de
CEP”; tal y como se presenta a continuación:
2𝐾𝐷
𝑦∗ = √ (1)
ℎ
Se sustituyen los datos correspondientes en la fórmula:
2 ∗ $100 ∗ 100
𝑦∗ = √ (2)
$0.02
𝑦 ∗ = 1000 𝐿𝑢𝑐𝑒𝑠 𝑑𝑒 𝑛𝑒ó𝑛 (3)
Paso 2: Con la cantidad económica de pedidos calculada se procede a obtener la

longitud del ciclo correspondiente:
𝑦∗
𝑡𝑜 ∗ = (4)
𝐷
1000
𝑡𝑜 ∗ = (5)
100
𝑡𝑜 ∗ = 10 𝑑í𝑎𝑠 (6)
Paso 3: Como el tiempo de entrega L = 12 días es mayor que la longitud del ciclo
t0* (=10 días) se debe calcular Le. Pero primero se calcula la cantidad de ciclos
incluidos en L:
𝐿
𝑛 = (𝐸𝑛𝑡𝑒𝑟𝑜 𝑚𝑎𝑦𝑜𝑟 ≤ ) (7)
𝑡𝑜 ∗
12
10
𝑛 = (𝐸𝑛𝑡𝑒𝑟𝑜 𝑚𝑎𝑦𝑜𝑟 ≤ 1.2) (9)

𝐿
El valor de 𝑡 ∗ es igual a 1.2 por lo que n será igual al entero mayo más próximo,
𝑜
en este caso n sería igual a 1 ciclo.
𝑛 = 1 𝑐𝑖𝑐𝑙𝑜 (10)
Paso 4: Ya conociendo la cantidad de ciclos incluidos en L se procede a calcular el

tiempo efectivo de entrega (retraso) Le:
𝐿𝑒 = 𝐿 − 𝑛 ∗ 𝑡𝑜 ∗ (11)
𝐿𝑒 = 12 − (1 ∗ 10) (12)
𝐿𝑒 = 2 𝑑í𝑎𝑠 (13)
Paso 5: El tiempo efectivo de retraso es igual a 2 días, con este dato se procede a
calcular la Demanda promedio durante el tiempo de entrega (µL) y la Desviación
estándar de la demanda durante el tiempo de entrega (σL):
 Demanda promedio durante el tiempo de entrega (µL):

𝜇𝐿 = 𝐷*Le (14)
𝜇𝐿 = 100 ∗ 2 (15)
𝜇𝐿 = 200 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 (16)
 Desviación estándar de la demanda durante el tiempo de entrega (σL):
𝜎𝐿 = √𝜎 2 ∗ 𝐿𝑒 (17)
𝜎𝐿 = √102 ∗ 2 (18)
𝜎𝐿 = 14.14 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 (19)
Paso 6: Utilizando una tabla de distribución normal y el valor de α = 0.05 se puede

conocer el valor de Kα:

0.045
Para conocer el valor de Kα, primero

se ubica α = 0.05 en la tabla de
distribución normal, el primer valor
que conforma Kα es la parte entera y
es el valor que se ubica en la primera
columna, para este caso este es igual
a 1.6; la segunda parte es el decimal
que se encuentra en la primera fila de
la tabla en este caso el valor de 0.05
no se encuentra en la tabla, pero si
los valores 0.505 y 0.495 que se
encuentran equidistantes a 0.05 por lo
que se toma el valor medio entre 0.04
y 0.05, es decir, 0.045. De esta forma
obtenemos que Kα=1.645.
Paso 7: Con el valor de K0.05 se calcula el tamaño de la reserva como sigue:
𝐵 ≥ 𝜎𝐿 ∗ 𝐾𝛼 (20)
𝐵 ≥ 14.14 ∗ 1.645 (21)
𝐵 ≈ 23 luces de neón (22)
Paso 8: El último elemento que se debe calcular para determinar la política óptima de
inventario es el Punto de reorden (R*):
𝑅 ∗ = 𝐵 + 𝜇𝐿 (23)
𝑅 ∗ = 23 + 200
𝑅 ∗ = 223 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠
Paso 9: Para finalizar el ejercicio se debe escribir la conclusión.
R// La política óptima de inventario con una reserva B establece comprar 1000
unidades siempre que el nivel de inventario baje a 223 unidades.
Ejemplo 2.
Una tienda de música ofrece un CD de gran demanda. La demanda diaria del

disco tiene una distribución aproximadamente normal, con una media de 200
discos y desviación estándar de 20 discos. El costo de tener los discos en la
tienda es de $0.04 por cada uno y por día. A la tienda le cuesta $100 hacer un
nuevo pedido. El proveedor suele especificar un tiempo de entrega de 7 días.
Suponiendo que la tienda quiera limitar la probabilidad de que se le acaben los
discos durante el tiempo de entrega a no más de 0.02, determine la política óptima
de inventarios en la tienda.
Datos:
D = 200 Discos por día
K = $100 por pedido
h = $0.04 por unidad y por día
L = 7 días
σ = 20 Discos
α = 0.02

2𝐾𝐷
𝑦∗ = √ (1)
ℎ
2 ∗ $100 ∗ 200
𝑦∗ = √ (2)
$0.04
𝑦 ∗ = 1000 𝐷𝑖𝑠𝑐𝑜𝑠 (3)

𝑦∗
𝑡𝑜 ∗ = (4)
𝐷
1000
𝑡𝑜 ∗ = (5)
200
𝑡𝑜 ∗ = 5 𝑑í𝑎𝑠 (6)
Paso 3: Como el tiempo de entrega L = 12 días es mayor que la longitud del ciclo
t0* (=10 días) se debe calcular Le. Pero primero se calcula la cantidad de ciclos
incluidos en L:
𝐿
𝑡𝑜 ∗
7
5
𝑛 = (𝐸𝑛𝑡𝑒𝑟𝑜 𝑚𝑎𝑦𝑜𝑟 ≤ 1.4)7 (9)
𝐿
El valor de 𝑡 ∗ es igual a 1.4 por lo que n será igual al entero mayo más próximo,
𝑜
en este caso n sería igual a 1 ciclo.
𝑛 = 1 𝑐𝑖𝑐𝑙𝑜 (10)
Paso 4: Ya conociendo la cantidad de ciclos incluidos en L se procede a calcular el

tiempo efectivo de entrega (retraso) Le:
𝐿𝑒 = 𝐿 − 𝑛 ∗ 𝑡𝑜 ∗ (11)
𝐿𝑒 = 7 − (1 ∗ 5) (12)
𝐿𝑒 = 2 𝑑í𝑎𝑠 (13)
Paso 5: El tiempo efectivo de retraso es igual a 2 días, con este dato se procede a

𝜇𝐿 = 𝐷*Le (14)
𝜇𝐿 = 200 ∗ 2 (15)
𝜇𝐿 = 400 𝑑𝑖𝑠𝑐𝑜𝑠 (16)
𝜎𝐿 = √𝜎 2 ∗ 𝐿𝑒 (17)
𝜎𝐿 = √202 ∗ 2 (18)
𝜎𝐿 = 28.28 𝑑𝑖𝑠𝑐𝑜𝑠 (19)


0.055

𝐵 ≥ 𝜎𝐿 ∗ 𝐾𝛼 (20)
𝐵 ≥ 28.28 ∗ 2.055 (21)
𝐵 ≈ 58.11 Discos (22)
𝑅 ∗ = 𝐵 + 𝜇𝐿 (23)
𝑅 ∗ = 58.11 + 400
𝑅 ∗ = 458.11 𝐷𝑖𝑠𝑐𝑜𝑠
R// La política óptima de inventario con una reserva B establece comprar 1000
unidades siempre que el nivel de inventario baje a 458.11 unidades.
Ejemplo 3.
Una compañía que fabrica televisores produce sus propias bocinas para utilizarlas
en la fabricación de estos aparatos. Los televisores se ensamblan en una línea de
producción y se necesita una bocina por televisor. Las bocinas se fabrican por
lotes, pues no justifican toda una línea de producción y se pueden producir
cantidades relativamente grandes en un tiempo corto. Por lo tanto, estas bocinas
se colocan en inventario hasta que se necesitan para ser ensambladas en los
televisores. La compañía está interesada en determinar cuándo producir un lote de
bocinas y cuántas producir en cada lote. Es necesario tomar en cuenta varios
costos:
1- Cada vez que se produce un lote, se incurre en un costo de preparación de

12 000 dólares.
2- El costo unitario de producción de una sola bocina es de 10 dólares.
3- La estimación del costo de mantener una bocina en almacén es de $0.30
por mes.
4- Costo por faltantes $1.10 por mes.
La demanda actual de bocinas es variable. Existe un tiempo de entrega de 1 mes
entre ordenar una corrida de producción de bocinas y tenerlas listas para el
ensamblado. La demanda de bocinas durante este tiempo de entrega es una
variable aleatoria D que tiene distribución normal con media de 8 000 y desviación
estándar de 2 000. Para minimizar el riesgo de interrumpir la línea de producción
de televisores, la administración ha decidido que el inventario de seguridad de
bocinas debe ser suficiente para evitar faltantes 95% del tiempo durante este
periodo de entrega
Datos:
D = 8,000 Bocinas por mes
K = $12,000 por pedido
h = $0.30 por unidad y por mes
L = 1 mes
σ = 2000 bocinas
α = 1-% de tiempo a evitar faltantes=1-0.95= 0.05

2𝐾𝐷
𝑦∗ = √ (1)
ℎ
2 ∗ $12000 ∗ 8000
𝑦∗ = √ (2)
$0.30
𝑦 ∗ = 25,298 𝐵𝑜𝑐𝑖𝑛𝑎𝑠 (3)

∗
𝑦∗
𝑡𝑜 = (4)
𝐷
25298
𝑡𝑜 ∗ = (5)
8000
𝑡𝑜 ∗ = 3.16 𝑚𝑒𝑠𝑒𝑠 (6)
Paso 3: Como el tiempo de entrega L = 1 mes es menor que la longitud del ciclo
t0* (=3.16) no es necesario calcular Le. Podemos decir que L=Le
Paso 4: El tiempo efectivo de retraso es igual a 1 mes, con este dato se procede a

𝜇𝐿 = 𝐷*Le (7)
𝜇𝐿 = 8000 ∗ 1 (8)
𝜇𝐿 = 8000 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 (9)
𝜎𝐿 = √𝜎 2 ∗ 𝐿𝑒 (10)
𝜎𝐿 = √20002 ∗ 1 (11)
𝜎𝐿 = 2000 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 (12)


0.045

𝐵 ≥ 𝜎𝐿 ∗ 𝐾𝛼 (13)
𝐵 ≥ 2000 ∗ 1.645 (14)
𝐵 ≈ 3290 bocinas (15)
𝑅 ∗ = 𝐵 + 𝜇𝐿 (16)
𝑅 ∗ = 8000 + 3290
𝑅 ∗ = 11290 𝑏𝑜𝑐𝑖𝑛𝑎𝑠
R// La política óptima de inventario con una reserva B establece comprar 25,298
unidades siempre que el nivel de inventario baje a 11,290 unidades.
FORMULAS
2𝐾𝐷
Cantidad económica de pedido; 𝑦∗ = √ ℎ
𝑦∗
Ciclo de pedido: 𝑡𝑜 ∗ = 𝐷
𝐿
Cantidad de ciclos incluidos en L: 𝑛 = (𝐸𝑛𝑡𝑒𝑟𝑜 𝑚𝑎𝑦𝑜𝑟 ≤ )
𝑡𝑜 ∗
Tiempo efectivo de entrega: 𝐿𝑒 = 𝐿 − 𝑛 ∗ 𝑡𝑜 ∗
Tamaño de la existencia de reserva: 𝐵 ≥ 𝜎𝐿 ∗ 𝐾𝛼
Demanda promedio durante el

tiempo de entrega: 𝜇𝐿 = 𝐷*L
Desviación estándar de la demanda

durante el tiempo de entrega: 𝜎𝐿 = √𝜎 2 ∗ 𝐿
En la fórmula de σL se requiere que
L sea un valor (redondeado a) entero.
Punto de reorden: 𝑅 ∗ = 𝐵 + 𝜇𝐿
2.1.2. MODELO EOQ PROBABILISTICO
Este modelo permite faltante durante la demanda, como se ve en la figura. La

política establece pedir la cantidad y siempre que el inventario baja al nivel R*.
Como en el caso determinístico, el nivel para pedir R* (nivel de “reorden”) es
una función del tiempo de entrega entre la colocación y la recepción de 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, posesión (almacenamiento) y de faltante.
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.
Para deducir la función de costo total por unidad de tiempo, sean
f(x) = Función de distribución de probabilidades de la demanda x durante el

tiempo de entrega
D = Demanda esperada por unidad de tiempo
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
FORMULAS
𝐷
Cantidad de pedidos por unidad de tiempo =𝑦
𝐾∗𝐷
Costo de preparación por unidad de tiempo: = 𝑦
𝑦
Inventario promedio: 𝐼 = 2 + 𝑅 − 𝐸{𝑥}
Costo esperado por mantener en inventario

por unidad de tiempo: =𝐻∗𝐼
∞
Costo esperado por faltante: 𝑆 = ∫𝑅 (𝑥 − 𝑅)𝑓(𝑥)𝑑𝑥
2𝐷(𝐾+𝑝𝑆)
Ecuación 1: 𝑦∗ = √ ℎ
∞ 𝑦∗
Ecuación 2: ∫𝑅′ 𝑓(𝑥)𝑑𝑥 = 𝑃𝐷
2𝐷(𝐾+𝑝𝐸{𝑥})
Ecuación 3: 𝑦̂ = √ ℎ
𝑝𝐷
Ecuación 4: 𝑦̃ = ℎ
2𝐾𝐷
Ecuación 5 𝑦 ∗ = √ ℎ
Los pasos del algoritmo son los siguientes:
2𝐾𝐷
Paso 0. Usar la solución inicial 𝑦1 = 𝑦 ∗ = √ , y hacer 𝑅0 = 0. Igualar 𝑖 = 1 y
ℎ
seguir en el paso i.
Paso i. Usar 𝑦𝑖 para determinar 𝑅𝑖 con la ecuación (2). Si 𝑅𝑖 ≈ 𝑅𝑖−1 , detenerse;

la solución óptima es 𝑦 ∗ = 𝑦𝑖 y 𝑅 ∗ = 𝑅𝑖 . En caso contrario, usar 𝑅𝑖 en la
ecuación (1) para calcular 𝑦𝑖 . Igualar 𝑖 = 𝑖 + 1 y repetir el paso i.
Ejemplo 1:
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, 100) galones. Determine la política óptima de
pedidos para Electro.
Datos:
D = 1000 galones por mes
K = $100 por pedido
h = $2 por galón y por mes
p = $10 por galón
1 1 1
f(x) = , 𝑒𝑛 𝑑𝑜𝑛𝑑𝑒 𝑏 = 100 𝑦 𝑎 = 0, f(x) = = , 0 ≤ x ≤ 100
𝑏−𝑎 100−0 100
1
f(x) = , 0 ≤ x ≤ 100
100
𝑎+𝑏 0+100
E(x) = = = 50 galones
2 2
E(x) = 50 galones
Paso 1: Primero se necesita comprobar que el problema tenga una solución

factible. Se aplican las ecuaciones de 𝑦̂ y 𝑦̃ para obtener:
 𝑦̂:
2𝐷(𝐾 + 𝑝𝐸{𝑥})
𝑦̂ = √
ℎ
2 ∗ 1000(100 + (10 ∗ 50)

𝑦̂ = √
2
𝑦̂ = 774.6 𝑔𝑎𝑙𝑜𝑛𝑒𝑠
 𝑦̃:
𝑝𝐷
𝑦̃ =
ℎ
10 ∗ 1000
𝑦̃ =
2
𝑦̃ = 5000 𝑔𝑎𝑙𝑜𝑛𝑒𝑠
Como 𝑦̃ ≥ 𝑦̂, existen soluciones únicas para 𝑦 ∗ y R*.
Paso 2: Se procede a calcular la ecuación de S:
∞
𝑆 = ∫ (𝑥 − 𝑅)𝑓(𝑥)𝑑𝑥
𝑅
Se sustituyen los datos correspondientes y se opera:
100
1
𝑆=∫ (𝑥 − 𝑅) 𝑑𝑥
𝑅 100
𝑅2
𝑆= − 𝑅 + 50
200
Paso 3: Para conocer las soluciones únicas para 𝑦 ∗ y R* se utilizan la ecuación 1 y

2 además de hacer uso del algoritmo numérico desarrollado por Hadley y Whitin, a
continuación se detalla el proceso:
1- Se aplica la ecuación 1 para obtener una ecuación para y* que se utilizara
más adelante en el proceso:
2𝐷(𝐾 + 𝑝𝑆)
𝑦𝑖 = √
ℎ
2 ∗ 1000(100 + 10𝑆)
𝑦𝑖 = √
2
𝑦𝑖 = √100,000 + 10,000𝑆 𝑔𝑎𝑙𝑜𝑛𝑒𝑠 𝐸𝑐. 𝐴
2- Se aplica la ecuación 2 para obtener una ecuación para R* que se utilizara

∞
𝑦∗
∫ 𝑓(𝑥)𝑑𝑥 =
𝑅 𝑃𝐷
Sustituimos con los datos correspondientes y sustituimos y* por yi:
100
1 2𝑦𝑖
∫ 𝑑𝑥 =
𝑅 100 10 ∗ 1000
Esta ecuación da como resultado:
𝑦𝑖
𝑅𝑖 = 100 − 𝐸𝑐. 𝐵
50
3- Ahora por medio de la ecuación 5, la ecuación de S y de las recién
obtenidas ecuaciones A y B se obtendrá 𝑦 ∗ y R* por medio de iteraciones
continuas de acuerdo al algoritmo anteriormente mencionado:
Iteración 1:
 Se aplica la ecuación 5 y se obtiene y1:
2𝐾𝐷
𝑦∗ = √
ℎ
2 ∗ 1000 ∗ 100
𝑦1 = √
2
𝑦1 = 316.23 𝑔𝑎𝑙𝑜𝑛𝑒𝑠
 Se aplica la ecuación B para obtener R1, se debe sustituir y1 en la

ecuación B:
𝑦𝑖
𝑅𝑖 = 100 −
50
316.23
𝑅1 = 100 −
50
𝑅1 = 93.68 𝑔𝑎𝑙𝑜𝑛𝑒𝑠
Iteración 2:
 Se aplica la ecuación de S sustituyendo el valor de R1 para obtener

un valor numérico de S:
𝑅12
𝑆= − 𝑅1 + 50
200
93.682
𝑆= − 93.68 + 50
200
𝑆 = 0.19971 𝑔𝑎𝑙𝑜𝑛𝑒𝑠
 Con el valor de S ya calculado este se sustituye en la Ecuación A

para obtener un valor de y* que en este caso sería y2:
𝑦2 = √100,000 + 10,000𝑆
𝑦2 = √100,000 + (10,000 ∗ 0.19971)
 Con y2 se puede calcular un nuevo valor de R2 por medio de la

ecuación B:
𝑦𝑖
𝑅𝑖 = 100 −
50
319.39
𝑅2 = 100 −
50
Iteración 3:
A partir de la iteración 3 se repite el mismo proceso de la iteración 2 hasta

que los cálculos arrojen valores similares entre ellos, en el caso de la
iteración 3 el proceso sería:

𝑅22
𝑆= − 𝑅2 + 50
200
93.6122
𝑆= − 93.612 + 50
200

𝑦3 = √100,000 + 10,000𝑆
𝑦3 = √100,000 + (10,000 ∗ 0.20399)

ecuación B:
𝑦𝑖
𝑅𝑖 = 100 −
50
319.44
𝑅3 = 100 −
50
Los valores entre la iteración 2 y la iteración 3 son tan cercanos que

se pueden aceptar los valores de la iteración 3 como los valores
verdaderos, es decir:
𝑦 ∗ = 𝑦2 ≈ 319.44 𝑔𝑎𝑙𝑜𝑛𝑒𝑠
𝑅 ∗ = 𝑅2 ≈ 93.611 𝑔𝑎𝑙𝑜𝑛𝑒𝑠
R// La política óptima de inventario indica pedir aproximadamente 320 galones

siempre que el nivel de existencias baje a 94 galones.
Ejemplo 2:
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, 50) galones. Determine la política óptima de
pedidos para Electro.
Datos:
K = $100 por pedido
p = $10 por galón

1 1 1
f(x) =𝑏−𝑎 , 𝑒𝑛 𝑑𝑜𝑛𝑑𝑒 𝑏 = 50 𝑦 𝑎 = 0, f(x) = 50−0 = 50, 0 ≤ x ≤ 50
1
f(x) = 50, 0 ≤ x ≤ 50
𝑎+𝑏 0+50
2 2
E(x) = 25 galones
 𝑦̂:
2𝐷(𝐾 + 𝑝𝐸{𝑥})
𝑦̂ = √
ℎ
2 ∗ 1000(100 + (10 ∗ 25)

𝑦̂ = √
2
 𝑦̃:
𝑝𝐷
𝑦̃ =
ℎ
10 ∗ 1000
𝑦̃ =
2
∞
𝑆 = ∫ (𝑥 − 𝑅)𝑓(𝑥)𝑑𝑥
𝑅
50
1
𝑆 = ∫ (𝑥 − 𝑅) 𝑑𝑥
𝑅 50
𝑅2
𝑆= − 𝑅 + 25
100

𝑦𝑖 = √
ℎ
2 ∗ 1000(100 + 10𝑆)
𝑦𝑖 = √
2
𝑦𝑖 = √100,000 + 10,000𝑆 𝑔𝑎𝑙𝑜𝑛𝑒𝑠 𝐸𝑐. 𝐴

∞
𝑦∗
𝑅 𝑃𝐷
50
1 2𝑦𝑖
∫ 𝑑𝑥 =
𝑅 50 10 ∗ 1000
𝑦𝑖
𝑅𝑖 = 50 − 𝐸𝑐. 𝐵
100
Iteración 1:

2𝐾𝐷
𝑦∗ = √
ℎ
2 ∗ 1000 ∗ 100
𝑦1 = √
2

ecuación B:
𝑦𝑖
𝑅𝑖 = 50 −
100
316.23
𝑅1 = 50 −
100
Iteración 2:

𝑅12
𝑆= − 𝑅1 + 25
100
46.83772
𝑆= − 46.8377 + 25
200

𝑦2 = √100,000 + 10,000𝑆
𝑦2 = √100,000 + (10,000 ∗ 0.100001)
ecuación B:
𝑦𝑖
𝑅𝑖 = 50 −
100
317.805
𝑅2 = 50 −
100
Iteración 3:
A partir de la iteración 3 se repite el mismo proceso de la iteración 2 hasta

que los cálculos arrojen valores similares entre ellos, en el caso de la
iteración 3 el proceso sería:

𝑅22
𝑆= − 𝑅2 + 25
100
46.8222
𝑆= − 46.822 + 25
200

𝑦3 = √100,000 + 10,000𝑆
𝑦3 = √100,000 + (10,000 ∗ 0.100997)

ecuación B:
𝑦𝑖
𝑅𝑖 = 50 −
100
317.821
𝑅3 = 50 −
100
Los valores entre la iteración 2 y la iteración 3 son tan cercanos que

se pueden aceptar los valores de la iteración 3 como los valores
verdaderos, es decir:
𝑦 ∗ = 𝑦2 ≈ 317.82 𝑔𝑎𝑙𝑜𝑛𝑒𝑠
𝑅 ∗ = 𝑅2 ≈ 46.82 𝑔𝑎𝑙𝑜𝑛𝑒𝑠

siempre que el nivel de existencias baje a 47 galones.
Ejemplo 1:
En el ejemplo 1, suponga que la demanda durante el tiempo de entrega es

uniforme entre 40 y 60 galones. Compare la solución con la que se obtuvo en el
ejemplo 1, e interprete los resultados. (Sugerencia: en ambos problemas E(x), es
igual, pero en este problema la varianza es menor.)
Datos:
K = $100 por pedido
p = $10 por galón

1 1 1
f(x) =𝑏−𝑎 , 𝑒𝑛 𝑑𝑜𝑛𝑑𝑒 𝑏 = 60 𝑦 𝑎 = 40, f(x) = 60−40 = 20, 40 ≤ x ≤ 60
1
f(x) = 20, 40 ≤ x ≤ 60
𝑎+𝑏 40+60
2 2
E(x) = 50 galones

 𝑦̂:
2𝐷(𝐾 + 𝑝𝐸{𝑥})
𝑦̂ = √
ℎ
2 ∗ 1000(100 + (10 ∗ 50)

𝑦̂ = √
2
 𝑦̃:
𝑝𝐷
𝑦̃ =
ℎ
10 ∗ 1000
𝑦̃ =
2

∞
𝑆 = ∫ (𝑥 − 𝑅)𝑓(𝑥)𝑑𝑥
𝑅

60
1
𝑆 = ∫ (𝑥 − 𝑅) 𝑑𝑥
𝑅 20
𝑅2
𝑆= − 3𝑅 + 90
40


𝑦𝑖 = √
ℎ
2 ∗ 1000(100 + 10𝑆)
𝑦𝑖 = √
2
𝑦𝑖 = √100,000 + 10,000𝑆 𝑔𝑎𝑙𝑜𝑛𝑒𝑠 𝐸𝑐. 𝐴

∞
𝑦∗
𝑅 𝑃𝐷

60
1 2𝑦𝑖
∫ 𝑑𝑥 =
𝑅 20 10 ∗ 1000
𝑦𝑖
𝑅𝑖 = 60 − 𝐸𝑐. 𝐵
250

Iteración 1:

2𝐾𝐷
𝑦∗ = √
ℎ
2 ∗ 1000 ∗ 100
𝑦1 = √
2

ecuación B:
𝑦𝑖
𝑅𝑖 = 60 −
250
316.23
𝑅1 = 60 −
250
Iteración 2:

𝑅12
𝑆= − 3𝑅1 + 90
40
58.73512
𝑆= − (3 ∗ 58.7351) + 90
40

𝑦2 = √100,000 + 10,000𝑆
𝑦2 = √100,000 + (10,000 ∗ 0.039999)

ecuación B:
𝑦𝑖
𝑅𝑖 = 60 −
250
316.86
𝑅2 = 60 −
250
Iteración 3:
A partir de la iteración 3 se repite el mismo proceso de la iteración 2 hasta que los

cálculos arrojen valores similares entre ellos, en el caso de la iteración 3 el
proceso sería:

𝑅22
𝑆= − 3𝑅2 + 90
40
58.73262
𝑆= − 58.7326 + 90
40

𝑦3 = √100,000 + 10,000𝑆
𝑦3 = √100,000 + (10,000 ∗ 0.040158)

ecuación B:
𝑦𝑖
𝑅𝑖 60 −
250
316.862
𝑅3 = 60 −
250
Los valores entre la iteración 2 y la iteración 3 son tan cercanos que se pueden
aceptar los valores de la iteración 3 como los valores verdaderos, es decir:
𝑦 ∗ = 𝑦2 ≈ 318.86 𝑔𝑎𝑙𝑜𝑛𝑒𝑠
𝑅 ∗ = 𝑅2 ≈ 58.73 𝑔𝑎𝑙𝑜𝑛𝑒𝑠

siempre que el nivel de existencias baje a 59 galones. Además, la cantidad de
pedidos permanece más o menos la misma que en el ejemplo 1, pero R* es menor
porque la función de distribución de probabilidades de la demanda tiene menor
varianza en el rango de 40 a 60.
Varianza rango 0 ≤ x ≤ 100:
(𝑏 − 𝑎)2 (100 − 0)2

𝜎2 = = = 833.33 𝑔𝑎𝑙𝑜𝑛𝑒𝑠 2
12 12
Varianza rango 40 ≤ x ≤ 60:
(𝑏 − 𝑎)2 (60 − 40)2

𝜎2 = = = 33.33 𝑔𝑎𝑙𝑜𝑛𝑒𝑠 2
12 12
EJEMPLO 1:
Acerca de determinar la política de inventario de luces de neón, se determinó que la cantidad
económica de pedido era CEP = 100 unidades. Si la demanda diaria es normal, con promedio D =
100 luces y la desviación estándar = 10 luces, esto es, N(100, 10), determine el tamaño de la
reserva tal que la probabilidad de que se agote la existencia sea menor que α = 0.05.
EJEMPLO 1:
Acerca de determinar la política de inventario de luces de neón, se determinó que la cantidad
económica de pedido era CEP = 100 unidades. Si la demanda diaria es normal, con promedio D =
100 luces y la desviación estándar = 10 luces, esto es, N(100, 10), determine el tamaño de la
reserva tal que la probabilidad de que se agote la existencia sea menor que α = 0.05.
Se cambian luces de neón en el campus de la U de A 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 12 días.
https://ingenioempresa.com/sistema-de-revision-continua/
https://ingenioempresa.com/sistema-de-revision-
continua/#Plantilla_excel_para_inventarios_probabilisticos_de_revision_continua
http://ingjox.blogspot.com/2011/05/modelo-eoq-probabilizado.html
http://monoinvestigaciondeoperaciones.blogspot.com/2011/06/modelo-eoq-
probabilistico.html

Iop 2

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Iop 2

Diunggah oleh

Hak Cipta:

Format Tersedia

2.

MODELO DE INVENTARIO PROBABILISTICO

En los modelos probabilísticos, o estocásticos, algunos elementos no se conocen

Por lo tanto, un modelo de inventario probabilístico hace uso de una distribución

2.1 MODELOS DE REVISIÓN CONTINUA

También conocido como sistema de punto de reorden, sistema de cantidad fija o

 Si el inventario resultante está por debajo de determinado nivel, se coloca

Dicho esto, revisamos el inventario de forma constante por no tener certeza de la

2.1.1. MODELO EOQ PROBABILIZADO

L = Tiempo de entrega entre la colocación y la recepción de un pedido

En el caso de un fabricante que administra su inventario de productos terminados,

Una política de inventarios basada en estos dos números críticos es sencilla.

Figura . Probabilidad de que se agote la

Fuente: “Investigación de Operaciones 6°

Se cambian luces de neón en el campus de la U de A. Estas luces de neón se

D = 100 Unidades por día

K = $100 por pedido

h = $0.02 por unidad y por día

Paso 1: Primero se calcula la cantidad económica de pedido utilizando la fórmula

Se sustituyen los datos correspondientes en la fórmula:

𝑦 ∗ = 1000 𝐿𝑢𝑐𝑒𝑠 𝑑𝑒 𝑛𝑒ó𝑛 (3)

Paso 2: Con la cantidad económica de pedidos calculada se procede a obtener la

Se sustituyen los datos correspondientes en la fórmula:

𝑛 = (𝐸𝑛𝑡𝑒𝑟𝑜 𝑚𝑎𝑦𝑜𝑟 ≤ 1.2) (9)

Paso 4: Ya conociendo la cantidad de ciclos incluidos en L se procede a calcular el

Se sustituyen los datos correspondientes en la fórmula:

 Demanda promedio durante el tiempo de entrega (µL):

Paso 6: Utilizando una tabla de distribución normal y el valor de α = 0.05 se puede

Fuente: “Investigación de Operaciones 6°

Para conocer el valor de Kα, primero

Se sustituyen los datos correspondientes en la fórmula:

𝐵 ≥ 14.14 ∗ 1.645 (21)

𝐵 ≈ 23 luces de neón (22)

Se sustituyen los datos correspondientes en la fórmula:

Paso 9: Para finalizar el ejercicio se debe escribir la conclusión.

Una tienda de música ofrece un CD de gran demanda. La demanda diaria del

D = 200 Discos por día

K = $100 por pedido

h = $0.04 por unidad y por día

Paso 1: Primero se calcula la cantidad económica de pedido utilizando la fórmula

Se sustituyen los datos correspondientes en la fórmula:

𝑦 ∗ = 1000 𝐷𝑖𝑠𝑐𝑜𝑠 (3)

Paso 2: Con la cantidad económica de pedidos calculada se procede a obtener la

Se sustituyen los datos correspondientes en la fórmula:

Paso 4: Ya conociendo la cantidad de ciclos incluidos en L se procede a calcular el

Se sustituyen los datos correspondientes en la fórmula:

 Demanda promedio durante el tiempo de entrega (µL):

Paso 6: Utilizando una tabla de distribución normal y el valor de α = 0.02 se puede

Fuente: “Investigación de Operaciones 6°

Para conocer el valor de Kα, primero

Se sustituyen los datos correspondientes en la fórmula:

𝐵 ≥ 28.28 ∗ 2.055 (21)

𝐵 ≈ 58.11 Discos (22)

Se sustituyen los datos correspondientes en la fórmula:

Paso 9: Para finalizar el ejercicio se debe escribir la conclusión.

1- Cada vez que se produce un lote, se incurre en un costo de preparación de

D = 8,000 Bocinas por mes

K = $12,000 por pedido

h = $0.30 por unidad y por mes

α = 1-% de tiempo a evitar faltantes=1-0.95= 0.05

Paso 1: Primero se calcula la cantidad económica de pedido utilizando la fórmula

Se sustituyen los datos correspondientes en la fórmula:

𝑦 ∗ = 25,298 𝐵𝑜𝑐𝑖𝑛𝑎𝑠 (3)