t2 Icn343 Llorens Stuardo Toro

Tarea #2
Pronóstico de Demanda
Integrantes:
Marcelo Llorens
Ariel Toro
Felipe Stuardo
Profesor:
Pablo Escalona
Ayudante:
Diego Araya
Septiembre-2018 Casa Centra
Tarea #2 – Control de inventarios
Contenido
INTRODUCCIÓN ................................................................................................................................... 3
DESARROLLO DE PREGUNTAS ............................................................................................................. 4
Pregunta a ....................................................................................................................................... 4
Pregunta b ....................................................................................................................................... 5
Pregunta c ....................................................................................................................................... 8
Pregunta d ....................................................................................................................................... 9
Pregunta e ..................................................................................................................................... 10
Pregunta f ...................................................................................................................................... 12
CONCLUSIONES ................................................................................................................................. 13
Anexos ............................................................................................................................................... 14
ANEXO 1: Código Pregunta c ......................................................................................................... 14
T2PC.mod .................................................................................................................................. 14
T2PC.dat .................................................................................................................................... 15
T2PC.run .................................................................................................................................... 15
ANEXO 2: Código Pregunta d ........................................................................................................ 17
T2PD.mod .................................................................................................................................. 17
T2PD.dat .................................................................................................................................... 18
T2PD.run .................................................................................................................................... 18
ANEXO 3: Código Pregunta e......................................................................................................... 20
T2PE.mod .................................................................................................................................. 20
T2PE.dat .................................................................................................................................... 21
T2PE.run .................................................................................................................................... 21
2
INTRODUCCIÓN
El presente trabajo, se indica el control de inventario como el corazón de cualquier empresa que
se dedique a la compra y venta de bienes y servicios; de aquí la importancia del manejo correcto
de inventario por parte de las mismas para obtener los mejores resultados financieros.
Continuando con el análisis de la empresa GHM Inc., se enfoca en la revisión de su inventario,

debido a las diferentes exigencias de sus distribuidores internacionales B&B Pharma y KKT labs, los
cuales realizan una demanda semanal, que no puede ser afectada en sus envíos producto de los
diferentes costos.
La resolución de esta problemática, comienza por realizar un gráfico comparando cantidad con el
tiempo, destacando las variables y parámetros del modelo.
A continuación, se busca reducir los costos por medio de la formulación de la función objetivo, la
cual incluye todos parámetros y variables que intervienen en los costos de la empresa (costo de
almacenamiento, costo backorder, costo puesta en marcha). Además, es necesario definir
restricciones o límites que son necesarios para encontrar valor óptimo del proceso.
Obtenida la función objetivo y las respectivas restricciones, se ocupará un software que permita
representar y solucionar problemas de gran complejidad para la computación matemática a gran
escala, para esto se ocupará el software “AMPL1”, el cual gracias a su lenguaje algebraico, resuelve
este tipo de modelos de optimización, fundamentalmente modelos de programación Lineal,
programación Entera y programación no lineal.
Asumiendo convexidad, se realiza la programación en este sistema, que muestra la solución para
la función objetivo.
1
https://www.ampl.com
3
DESARROLLO DE PREGUNTAS
Pregunta a
Elabore un modelo gráfico (Cantidad v/s tiempo) que represente el comportamiento de la bodega
de GHM Inc., identificando y explicando claramente las variables y parámetros (propios y auxiliares)
del modelo.
De acuerdo a lo analizado en la empresa GHM Inc, es posible representar el comportamiento de la

bodega en la siguiente figura:
Figura 1 Comportamiento de bodega GHM Inc.
De acuerdo a la figura 1, se puede observar:

P= Tasa de Producción [un/sem]
d= Tasa de Demanda agregada [un/sem]
p-d =tasa producción – tasa demanda [un/sem]
Qn=Tamaño lote [un]
Bn: Nivel máximo de demanda insatisfecha [un/ periodo de producción]
Imax= Inventario max entre partidas de producción [un/periodo de producción]
t1: Periodo inicial de insatisfacción de demanda en un periodo de producción [sem]
t2: Periodo final de insatisfacción de demanda en un periodo de producción [sem]
t3: Periodo de producción con demanda [sem]
4
t4: Periodo de demanda sin producción, sin insatisfacción [sem]
T: Periodo entre partidas de producción [sem]
Pregunta b
En base al modelo gráfico, formule un modelo de optimización que permita obtener el tamaño de
lote de producción y la cantidad de demanda insatisfecha, con el fin de minimizar los costos totales
anuales de operación de GHM Inc. Recuerde definir claramente conjuntos, parámetros, variables,
función objetivo y restricciones del problema. Identifique la naturaleza del problema.
De acuerdo a lo observado en la figura 1, es posible definir lo siguiente:

Conjuntos:
I: Distribuidor i (con i= {1,2})
Parámetros:
p: Tasa de producción [un/sem]
di: Demanda del distribuidor i [un/sem]
Ch: Costo de almacenamiento [US$/un*año]
Cb: Costo Back Order [US$/un*año]
Cpm: Costo Puesta en marcha de producción [US$/puesta en marcha de producción]
Semanas: Número de semanas al año
D: demanda anual [un/año]
Variables:
Iprom: Inventario promedio [un/periodo de producción]
Bprom: Nivel promedio de demanda insatisfecha [un/ periodo de producción]
N: Número de Lotes de producción en 1 año
t1: Periodo inicial de insatisfacción de demanda en un periodo de producción [sem]
t2: Periodo final de insatisfacción de demanda en un periodo de producción [sem]
t3: Periodo de producción con demanda [sem]
5
t4: Periodo de demanda sin producción, sin insatisfacción [sem]
Qn: Tamaño de Lote [un]
Bn: Nivel máximo de unidades insatisfechas [un]
Imax: Nivel de Inventario máximo entre partidas de producción
D: demanda anual [un/año]
Q: Demanda anual
Función Objetivo:
min (𝐶ℎ ∙ 𝐼𝑝𝑟𝑜𝑚 + 𝐶𝑏 ∙ 𝐵𝑝𝑟𝑜𝑚 + 𝐶𝑝𝑚 ∙ 𝑁)
𝐼𝑝𝑟𝑜𝑚,𝐵𝑝𝑟𝑜𝑚,𝑄𝑛
Restricciones:
𝐷
𝑁=
𝑄𝑛
1 1 1
𝐼𝑝𝑟𝑜𝑚 = ∙ ( ∙ 𝑡3 ∙ 𝐼𝑚𝑎𝑥 + ∙ 𝑡4 ∙ 𝐼𝑚𝑎𝑥)
𝑇 2 2
1 1 1
𝐵𝑝𝑟𝑜𝑚 = ∙ ( ∙ 𝑡1 ∙ 𝐵𝑛 + ∙ 𝑡2 ∙ 𝐵𝑛)
𝑇 2 2
𝑇 = 𝑡1 + 𝑡2 + 𝑡3 + 𝑡4
𝑄𝑛 𝐼𝑚𝑎𝑥 + 𝐵𝑛
=
𝑝 𝑝 − ∑𝑖∈𝐼 𝑑𝑖
𝑝 ∙ (𝑡2 + 𝑡3) = 𝑄𝑛
𝑡1 ∙ ∑ 𝑑𝑖 = 𝐵𝑛
𝑖∈𝐼
𝑡2 ∙ (𝑝 − ∑ 𝑑𝑖 ) = 𝐵𝑛
𝑖∈𝐼
𝑡3 ∙ (𝑝 − ∑ 𝑑𝑖 ) = 𝐼𝑚𝑎𝑥
𝑖∈𝐼
6
𝑡4 ∙ ∑ 𝑑𝑖 = 𝐼𝑚𝑎𝑥
𝑖∈𝐼
𝑄 ≥ 𝑄𝑛 ∙ 𝑁
∑ 𝑑𝑖 ∙ 𝑆𝑒𝑚𝑎𝑛𝑎𝑠 = 𝐷
𝑖∈𝐼
𝐵𝑛 𝐵𝑛 + 𝐼𝑚𝑎𝑥
=
𝑡2 𝑡2 + 𝑡3
𝑄𝑛 ≥ 0,0001
𝐵𝑛 ≥ 0,0001
𝑡1, 𝑡2, 𝑡3, 𝑡4 ≥ 0
7
Pregunta c
Asumiendo convexidad en el modelo desarrollado en (b), prográmelo usando AMPL y resuélvalo
utilizando un solver adecuado a la naturaleza del problema.
Debido al planteamiento del problema, se utiliza el solver MINOS para la resolución del
modelo, considerando que podría ser o no convexo el problema y de acuerdo a la
programación en AMPL, se arrojan los siguientes resultados (Ver Código en ANEXO 1: Código
Pregunta c) :
Q_N = 8221.85
B_N = 632.449
I_max = 1011.92
N = 5.05969
D = 41600
Q = 41600
I_prom = 311.361
B_prom = 121.625
t_1 = 0.790561
t_2 = 3.16224
t_3 = 5.05961
t_4 = 1.2649
T = 10.2773
Z = 50596.4
Por lo tanto, los costos totales anuales, ascienden a $50.596,4 USD.
Se realizan 5 producciones, con un tamaño de lote de 8222 unidades y teniendo un nivel de

insatisfacción máximo de 633 unidades.
8
Pregunta d
Suponga que el problema planteado en (b) es non-convex. Resuelva utilizando un solver para Global
Optimization. Compare con los resultados obtenidos en (c) y comente respecto a la convexidad del
problema.
Para realizar un solver en formato Global-Optimization, es necesario modificar el archivo

.run, específicamente cambiamos el solver “MINOS2”, por el solver “BARON3”, el cual es
utilizado para resolver problemas no convexos, y se obtienen los siguientes resultados (Ver
Código en ANEXO 2: Código Pregunta d):
Q_N = 8221.92
B_N = 632.456
I_max = 1011.93
N = 5.05964
D = 41600
Q = 239196
I_prom = 311.363
B_prom = 121.626
t_1 = 0.79057
t_2 = 3.16228
t_3 = 5.05965
t_4 = 1.26491
T = 10.2774
Z = 50596.4
De acuerdo a lo anterior, es posible concluir que el resultado es idéntico al resultado de la
pregunta c, es decir, podemos asumir que el problema es no convexo, dado que MINOS,
es un solver que busca óptimos para problemas no definidos en su naturaleza (convexos y
2
https://ampl.com/products/solvers/solvers-we-sell/minos/
3
https://ampl.com/products/solvers/solvers-we-sell/baron/
9
no convexos), en cambio BARON es un solver que se utiliza solo para problemas no
convexos, dado que explora todo el espectro de posibilidades.
Por lo tanto, los costos totales anuales, ascienden a $50.596,4 USD.
Se realizan 5 producciones, con un tamaño de lote de 8222 unidades y teniendo un nivel de

insatisfacción máximo de 633 unidades.
Pregunta e
Sensibilice dos parámetros que considere importantes en su formulación (justificando su elección)
y comente lo que sucede al respecto.
Los parámetros seleccionados para sensibilizar, corresponde a los costos de iniciación de

producción y a la tasa de producción. El costo de iniciación de producción es seleccionado debido
a la magnitud que posee dentro de los costos anuales (es mayor que los otros costos por unidad),
mientras la tasa de producción es seleccionada dado el impacto que tiene respecto al nivel de
inventario máximo y también en la demanda insatisfecha (respecto a esto también se podría haber
sensibilizado la demanda).
Para hacer la sensibilización de datos, se fue variando cada parámetro mediante el cambio en el
código mismo (no se utilizó un ciclo for) (Ver Código en ANEXO 3: Código Pregunta e).
Los resultados se presentan a continuación:
Sensibilización de la tasa de producción:
Variación 65
% cambio
p N Qn Bn Z
Costos
-3 805 0,891802 46647,1 111,436 8916,45 -82,38%
-2 870 3,20918 12962,8 401,147 32091,8 -36,57%
-1 935 4,29899 9676,69 537,373 42989,9 -15,03%
Caso Base 1000 5,05969 8221,85 632,449 50596,4 0,00%
1 1065 5,64381 7370,9 705,412 56435,6 11,54%
2 1130 6,11397 6804,09 764,241 61139,6 20,84%
3 1195 6,50459 6395,49 813,073 65045,8 28,56%
Como se puede observar con los resultado, si la tasa de producción se reduce y se asemeja mas a
la tasa de demanda agregada (800 un/sem), los costos disminuyen significativamente, debido a
una reducción en el nivel máximo de demanda insatisfecha (Bn), por lo que el nivel promedio de
demanda insatisfecha también será menor, reduciendo los costos, además a medida que se parece
mas la tasa de producción con la demanda agregada, se reduce el menor número de inicios de
producción (N) reduciendo los costos totales
10
Finalmente, medida que la tasa de producción se parece mas a la demanda, se induce a una
menor acumulación de inventario, y por lo mismo un menor inventario promedio, reduciendo los
costos totales.
Por otra parte al comenzar a subir la tasa de producción, y comenzarse a alejar respecto a la
demanda requerida, se producen niveles de inventario promedio mayores, además de niveles
también mayores de demanda insatisfecha, además de aumentar el numero de inicios de puestas
en marcha de producción, todo lo cual contribuye a mayores costos respecto al caso base.
Sensibilización del costo de inicio de producción.
Variación 1000
%cambio
Cpm N Qn Bn Z
Costos
-3 2000 8,00029 5199,81 399,985 32000 -36,75%
-2 3000 6,53207 6368,58 489,891 39191,8 -22,54%
-1 4000 5,65686 7353,91 565,685 45254,8 -10,56%
Caso Base 5000 5,05969 8221,85 632,449 50596,4 0,00%
1 6000 4,6188 9006,66 692,82 55425,6 9,54%
2 7000 4,27661 9727,32 748,248 59866,5 18,32%
3 8000 4,00002 10399,9 799,997 64000 26,49%
Como se puede observar con los resultados, al disminuir los costos de puesta en marcha de
producción, la optimización arroja un mayor número de lotes al año, pero, esos costos asociados a
la puesta en marcha de la producción se ven compensados por el menor tamaño de lote, lo que se
traduce finalmente en un menor nivel de inventario promedio, además de un menor nivel de
demanda insatisfecha, todo lo cual disminuye los costos totales en el año.
11
Pregunta f
Suponga que dadas ciertas externalidades, la demanda de repilmetamina aumenta en un 100%.
Ante dicha situación, la empresa GHM inc. decide producir la mitad del nuevo lote requerido (Q), y
la otra mitad la pide a un proveedor externo, la cual llega justo inmediatamente después de haber
terminado el ciclo de producción. Elabore un modelo gráfico (Cantidad v/s Tiempo) que representa
el nuevo comportamiento de la bodega de GHM Inc. Ante la situación recién expuesta.
Nuevo nivel de inventario y Producción
C d
d C C d C
I max
Qn
Bn
t1 t2
Figura 2 Nuevo Comportamiento de bodega GHM Inc
De acuerdo a la figura 2, se puede observar:

P= Tasa de Producción [un/sem]
d= Demanda del distribuidor [un/sem]
c= Adquisición de productor externo
p-d = producción – demanda [un/sem]
Qn=Tamaño lote [un]
Bn: Nivel promedio de demanda insatisfecha [un/ periodo de producción]
Imax= Inventario max [un/periodo de producción]
t1= tiempo de producción [sem]
t2=tiempo de demanda luego de la adquisición del productor externo [sem]
12
CONCLUSIONES
El inventario es el conjunto de materiales y mercancía que adquieren las empresas para vender, o
para la fabricación de productos antes de ofrecer sus bienes o servicios. La empresa GHM Inc. se
encuentra en problemas con el control de su inventario, debido a la demanda que requieren sus
distribuidores internacionales, junto con los costos asociados al almacenamiento, demanda
insatisfecha y el costo de puesta en marcha.
Para eliminar este problema, se formula un modelo que minimice el costo total, el cual da como
resultado $50.596. Por otro lado, se infiere que el modelo es no convexo, debido a la similitud entre
la utilización del solver MINOS y BARON.
La utilización del software AMPL es un software que ayuda a resolver de manera rápida el modelo
planteado en este informe, el cual, con la ayuda de su algoritmo, realiza iteraciones de manera más
rápida y eficaz.
El sensibilizar dos parámetros es de gran ayuda para ver cómo se comporta la demanda y la
producción con la variación de parámetros. En el caso de este análisis, se estudia la importancia de
la tasa de producción, y su efecto en los costos, además de como afecta también a los costos totales
el costo asociado a la puesta en marcha de la producción. Cabe destacar, que se podría haber
analizado también el efecto de la sensibilidad de la tasa de demanda, pero hubiese sido muy similar
al efecto de la tasa de producción, es decir, que al momento de acercarse en valor (tendiéndose a
igual), se hubiesen reducido los costos de inventario y backorder.
Durante el desarrollo de este trabajo, también se pudo observar el cambio que produce en el
modelo gráfico el planteamiento, lo cual finalmente establece la programación que se debe realizar
para poder resolver estos problemas, ya sea mediante código de AMPL, u otros medios.
13
Anexos
ANEXO 1: Código Pregunta c
T2PC.mod
#Conjuntos
set I:={1,2}; #Conjunto Distribuidor
#Parámetros
param p;
param d{I};
param C_h;
param C_b;
param C_pm;
param semanas;
#Variables
var I_prom;
var I_max;
var B_prom;
var N;
var t_1 >=0.01;
var t_2 >=0.01;
var t_3 >=0.01;
var t_4 >=0.01;
var T;
var Q_N >=0.01;
var B_N >=0.01;
var D;
var Q;
#Función Objetivo
minimize Z:
C_h*I_prom+C_b*B_prom+C_pm*N;
#Restricciones
subject to Número_Lotes:
Q_N*N >= D;
subject to Inventario_promedio:
I_prom*T = 0.5*t_3*I_max+0.5*t_4*I_max;
subject to Backorder_promedio:
B_prom*T = 0.5*t_1*B_N+0.5*t_2*B_N;
subject to Tiempo_entre_p_y_p:
T = t_1+t_2+t_3+t_4;
subject to Relacion_QN_I_max:
Q_N*p-Q_N*(sum{i in I}d[i]) = p*(I_max+B_N);
subject to Relacion_Qn_tiempos:
14
Q_N = p*t_2+p*t_3;
subject to Tiempo_1:
t_1*(sum{i in I}d[i]) = B_N;
t_2*p-t_2*(sum{i in I}d[i]) = B_N;
t_3*p-t_3*(sum{i in I}d[i]) = I_max;
t_4*(sum{i in I}d[i]) = I_max;
subject to Producción_anual:
Q >= Q_N*N;
subject to demanda_anual:
D = semanas*(sum{i in I}d[i]);
subject to A:
B_N*(t_2 + t_3) = t_2*(B_N + I_max);
T2PC.dat
#Parámetros
param p:=1000;
param d:=
1 500
2 300;
param C_h:=50;
param C_b:=80;
param C_pm:=5000;
param semanas:=52;
T2PC.run
reset;
model T2PC.mod;
data T2PC.dat;
option solver minos;
solve;
display Q_N;
display B_N;
display I_max;
display N;
display D;
display Q;
display I_prom;
display B_prom;
display t_1;
display t_2;
display t_3;
15
display t_4;
display T;
display Z;
16
ANEXO 2: Código Pregunta d
T2PD.mod
#Conjuntos
#Parámetros
param p;
param d{I};
param C_h;
param C_b;
param C_pm;
param semanas;
#Variables
var I_prom;
var I_max;
var B_prom;
var N;
var t_1 >=0.01;
var t_2 >=0.01;
var t_3 >=0.01;
var t_4 >=0.01;
var T;
var Q_N >=0.01;
var B_N >=0.01;
var D;
var Q;
#Función Objetivo
minimize Z:
#Restricciones
Q_N*N >= D;
B_prom*T = 0.5*t_1*B_N+0.5*t_2*B_N;
T = t_1+t_2+t_3+t_4;
Q_N = p*t_2+p*t_3;
17
Q >= Q_N*N;
subject to A:
B_N*(t_2 + t_3) = t_2*(B_N + I_max);
T2PD.dat
#Parámetros
param p:=1000;
param d:=
1 500
2 300;
param C_h:=50;
param C_b:=80;
param C_pm:=5000;
param semanas:=52;
T2PD.run
reset;
model T2PD.mod;
data T2PD.dat;
option solver baron;
solve;
display Q_N;
display B_N;
display I_max;
display N;
display D;
display Q;
display I_prom;
display B_prom;
display t_1;
display t_2;
display t_3;
display t_4;
18
display T;
display Z;
19
ANEXO 3: Código Pregunta e
T2PE.mod
#Conjuntos
#Parámetros
param p;
param d{I};
param C_h;
param C_b;
param C_pm;
param semanas;
#Variables
var I_prom;
var I_max;
var B_prom;
var N;
var t_1 >=0.01;
var t_2 >=0.01;
var t_3 >=0.01;
var t_4 >=0.01;
var T;
var Q_N >=0.01;
var B_N >=0.01;
var D;
var Q;
#Función Objetivo
minimize Z:
#Restricciones
Q_N*N >= D;
B_prom*T = 0.5*t_1*B_N+0.5*t_2*B_N;
T = t_1+t_2+t_3+t_4;
Q_N = p*t_2+p*t_3;
20
Q >= Q_N*N;
subject to A:
B_N*(t_2 + t_3) = t_2*(B_N + I_max);
T2PE.dat
#Parámetros
param p:=1000; (se modificó)
param d:=
1 500
2 300;
param C_h:=50;
param C_b:=80;
param C_pm:=8000; (se modificó)
param semanas:=52;
T2PE.run
reset;
model T2PE.mod;
data T2PE.dat;
option solver minos;
solve;
display Q_N;
display B_N;
display I_max;
display N;
display D;
display Q;
display I_prom;
display B_prom;
display t_1;
display t_2;
display t_3;
display t_4;
21
display T;
display p;
display C_pm;
display Z;
22

t2 Icn343 Llorens Stuardo Toro

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

t2 Icn343 Llorens Stuardo Toro

Загружено:

Авторское право:

Доступные форматы

Tarea #2

Continuando con el análisis de la empresa GHM Inc., se enfoca en la revisión de su inventario,

De acuerdo a lo analizado en la empresa GHM Inc, es posible representar el comportamiento de la

Figura 1 Comportamiento de bodega GHM Inc.

De acuerdo a la figura 1, se puede observar:

De acuerdo a lo observado en la figura 1, es posible definir lo siguiente:

Se realizan 5 producciones, con un tamaño de lote de 8222 unidades y teniendo un nivel de

Para realizar un solver en formato Global-Optimization, es necesario modificar el archivo

Por lo tanto, los costos totales anuales, ascienden a $50.596,4 USD.

Se realizan 5 producciones, con un tamaño de lote de 8222 unidades y teniendo un nivel de

Los parámetros seleccionados para sensibilizar, corresponde a los costos de iniciación de

Los resultados se presentan a continuación:

Sensibilización de la tasa de producción:

Sensibilización del costo de inicio de producción.

Figura 2 Nuevo Comportamiento de bodega GHM Inc

De acuerdo a la figura 2, se puede observar:

Вам также может понравиться