Академический Документы
Профессиональный Документы
Культура Документы
RESUMEN
Este
artculo
desarrolla
dos
modelos
computacional para el manejo de inventarios
mediante la utilizacin de la dinmica de
sistemas con el software Ithink.
Las ecuaciones utilizadas para dichos modelos
son extradas con previa autorizacin del artculo
Analysis of Stock Management Gaming
Experiments
and
Alternative
Ordering
Formulations de Ph. D. Yaman Barlas y
Mehmet Gnhan zevin. Los modelos se trabajan
con diferentes variables, y se obtienen grficos
que muestra el comportamiento del inventario de
acuerdo con las decisiones tomadas por cada uno
de los participantes; en base a este se analiza el
comportamiento de cada individuo.
PALABRAS CLAVEManejo de Inventarios,
Modelo Corto
Modelo Largo
100
250
Tiempo de retardo
(unidades de tiempo)
4 Discreto
Patrn de la demanda
Step Up
4 Exponencial 10 Discreto
Step Up Down
Step Up
10
Exponencial
Step Up Down
Ecuacin 1. Inventario
Donde:
Inventario= Coeficiente de inventario Entrada
Ecuacin 3. Recepcin
Entrega=Demanda
Ecuacin 4. Entrega
En las Ecuaciones (2), (3) y (4) se definen las
variables mencionadas en la Ecuacin (1) para la
definicin de inventario.
Lnea de suministro=80
LS(t)=Lnea de suministro(t-dt)+(Orden-Recepcin)dt
de
entrada usando un tiempo promedio
exponencial del valor tiempo promedio y un
valor opcional inicial para la suavizacin. Si no
se especifica un valor inicial, SMTH1 asume que
el valor inicial es el de la entrada. (iseesystems)
Entrada
Ajuste de tiempo 2 =3
Ecuacin28.RuidoBlanco
Ruido aleatorio que posee la misma densidad
espectral de potencia en toda la banda de
frecuencias.
El ruido blanco es una seal no correlativa, es
decir, en el eje del tiempo la seal toma valores
sin ninguna relacin unos con otros. En la
Ecuacin (28) se hace uso de la funcin
NORMAL, en donde la desviacin estndar del
ruido blanco se fija en el 15% del promedio de la
demanda del cliente.
Ajuste de tiempo 1 =5
ANLISIS DE RESULTADOS
Despus de construido el modelo, y con las
ecuaciones
ingresadas,
se
simula
el
funcionamiento (para ello se cont con la
participacin de participantes de pregrado de la
materia logstica industrial de la carrera de
Despus de construido el modelo, y con las
ecuaciones
ingresadas,
se
simula
el
funcionamiento (para ello se cont con la
participacin de participantes de pregrado de la
materia logstica industrial de la carrera de
Ingeniera de Produccin de la Universidad
EAFIT) teniendo en cuenta cuatro factores que
permiten analizar el desempeo obtenido.
Estos factores son:
Cmo afect el cambio de la demanda en el
nivel de inventario, ya sea Step Up o Step Up
Down.
Cmo se comport el nivel de inventario
durante toda la prueba, si es oscilatorio (es
decir cuando este excede el lmite del nivel
de inventario que hace que ocurran faltantes
Modelo
Cambio
en la
Demand
a
Corto Step
Up Discreto
67%
67%
27%
20%
Corto Step
Up Down
Discreto
33.33%
77.78%
33.33%
11.11%
Corto Step
Up
Exponencial
41.67%
100%
66.67%
0%
Corto Step
Up Down
Exponencial
71.43%
35.71%
7.14%
14.29%
Largo Step
Up Discreto
20%
90%
20%
20%
Largo Step
Up Down
Discreto
10%
70%
20%
10%
Largo Step
Up
Exponencia
l
0%
80%
7%
20%
Desempe
Inventario
o Final del
Oscilatorio
Inventario
0%
100%
40%
0%
Promedio
19%
85%
23%
12%
el
El
rango
del
inventario
entre
autorregulatorio y el promedio grupal.
el
Modelo
Rango
de las
rdenes
Rango del
inventario
Rango de
pedidos
pendientes
respecto al
autorregulatorio
Corto Step
Up Discreto
71%
188%
21.33
59.1%
148%
14.98
54.41%
357%
13.83
13.8%
90%
-0.5625
28%
79%
31.33
11%
61%
21.86
16.3%
50.7%
9.35
4%
33%
2.85
32,2%
125,9%
14,31%
Corto Step
Up Down
Discreto
Corto Step
Up
Exponencial
Corto Step
Up Down
Exponencial
Largo Step
Up Discreto
Largo Step
Up Down
Discreto
Largo Step
Up
Exponencial
Largo Step
Up Down
Exponencial
Promedio
CONCLUSIONES
El anlisis de resultados concluye entre otros que:
Los resultados del Anlisis ANOVA y del
modelo autorregulatorio armonizan en el
modelo corto y en modelo largo.
El Tipo de Respuesta es el parmetro que ms
influye en el desarrollo de los modelos
computacionales causando inconformidades
en los participantes.
El patrn de demanda segn el Anlisis
ANOVA tiene un impacto significativo en
los resultados del modelo con respecto al
Parmetro Duracin Total de pedidos
pendientes que arroj como resultado un
valor P inferior al escogido.
71%
188%
21.33
148.149%
14.98
357.150%
13.83
90.030%
-0.5625
28%
79%
31.33
Corto Step
Up Down 59.165%
Discreto
Corto Step
54.41%
Up
Exponencial
Corto Step
Up Down 13.860%
Exponencial
Largo Step
Up Discreto
Largo Step
Up Down
Discreto
Largo Step
Up
Exponencial
Largo Step
Up Down
Exponencial
11%
61%
21.86
16.3%
50.7%
9.35
4%
33.19%
2.85
Promedio
32,21%
125,92%
14,37%
6. AGRADECIMIENTOS
Delgado, Maria Fernanda Angel Jaramillo &
Juan Simon Fernandez. (2011). Desarrollo y
Elaboracin De Un Modelo Computacional Para
El Manejo De Inventarios y El Anlisis De La
Toma De Decisiones Para El Curso De Logistica
www.dinamica-de-sistemas.com