Universidad Diego Portales.

Escuela Ingeniera
Profesor Felipe Murcia Mesa. MSc, Dr.c. Ing.
Logistica II-2008
October 30, 2008
1 Teora de gestin de Inventarios
1.1 Introduccin
Terminologa (candidato a ponerse en la introduccion del caso de-
terministico) La teora de inventarios tiene que ver con la administracin
de niveles de inventarios o stock de productos, con el proposito de conocer la
demanda de esos productos. Se dice que la demanda de bienes son hechas por
los compradores y son atendidas por los vendedores, independientemente de
cualquier intercambio econmico que se produzca. El inventario de un producto
que se encuentra sicamente disponible es inventario a mano. La demanda para
una cantidad de un producto es considerada como conocida cuando una canti-
dad determinada es transferida -aparte de las unidades a mano- al comprador.
La escasez o quiebres de inventario son demandas no atendidas inmediatamente.
Los quiebres de inventario son ordenes pendientes o backorders si el comprador
esta dispuesto a esperar y ventas perdidas si no. Las ordenes pendientes son
conocidas como demanda acumulada o backlogs. De un momento de tiempo a
otro posterior, el administrador del inventario podria decidir si debe poner una
orden de producto adicional de un producto para reponer el stock a mano. Una
orden, con la cantidad ordenada, puede ser puesta en un proveedor externo o
sobre sus instalaciones internas de produccin, en cuyo caso la catidad ordenada
es una corrida, batch y/o lote de producto. El tiempo de reposicin o leadtime
es el tiempo ocurrido desde el momento en el que una orden fue puesta hasta
el momento que la cantidad ordenada es recibida (sumada al stock a mano).
Esa denicin puede ser vaga, porque existe la posibilidad de que partes de una
orden puedan ser despachadas a diferentes puntos en varias etapas. Las canti-
dades del producto que han sido ordenada (por el administrador del inventario),
pero aun no recibidas son una orden. El stock del sistema, tambien conocido
como posicin de inventario, es la suma del stock a mano mas las ordenes menos
las ordenes pendientes. Esto representa la cantidad que se encuentra disponible
para atender demandas futuras sin poner ordenes adicionales.
Dimensiones de los modelos de inventario (candidato a ponerse en la
introduccion del caso deterministico) Pueden haber uno o mas produc-
1
tos y estos pueden ser consumibles o parcialmente reusables. Los inventarios de
productos individuales pueden ser reabastecidos en unidades discretas o contin-
uas. Los productos podrian estar sujetos a deterioro, como aquellos que tienen
un tiempo de vida nito o estar sujetos a deterioros o decrementos (mermas).
El deterioro podra ser determinstico o estocstico.
En cuanto a las variables de decisin, el conjunto de variables de decisin
en un modelo de inventario siempre incluye la cantidad a ordenar o a producir,
de cada producto, como una funcin de la informacin disponible sobre los
niveles de inventario en todo instante de tiempo. Podran existir otras variables
de decisin que incluyan otras cosas tales como precio, secuenciamiento de la
produccin, fechas de programacin de entregas, inspecciones, expansin de
capacidad, reduccin de tiempos de alistamiento, mejoramiento de la calidad y
otros mas.
Respecto a la estructura de toma de decisiones, se podra decir que existe
un tomador de decisiones o varios. Un tomador de decisiones, tal como lo es
el dueo de la empresa, podra jar las reglas, y un tomador de decisiones
como el administrador del inventario podra operar sobre dichas reglas. El
comportamiento de los compradores, proveedores y competidores podra ser o
no modelado explcitamente.
El tiempo puede ser continuo o discreto. El horizonte de tiempo es el in-
tervalo de tiempo sobre el cual las consecuencias de la poltica del inventario
podran ser medidas. Los horizontes de tiempo pueden ser nitos o innitos y
tambien determinsticos o estocsticos.
La demanda puede ser determinstica o estocstica. Cuando la demanda se
considera como un proceso estocstico, el proceso de demanda podra tener o
no incrementos independientes, como podra ser estacionario o no estacionario y
podra estar sujeta a inuencia endgena, como lo son los quiebres de inventario,
los tiempos de servicio al cliente, los precios, entre otros.
La funcin objetivo de un modelo de inventario casi siempre tiene en cuenta
costos de ordenar o producir, costos de mantener inventario y costos de escasez.
Los ingresos algunas veces tambien se incluyen. Los modelos de inventario
pueden diferir considerablemente debido a la diferencia en la forma (convexa o
concava) de las funciones de costo. Existen tambien otras consecuencias med-
ibles en la funcin objetivo, tales como ingresos, niveles de servicio, etc. Por
ejemplo, el servicio puede incluir aspectos como la probabilidad de la demanda
que esta siendo satisfecha o el tiempo esperado para servir a una orden de un
cliente.
El costo de produccin o de ordenar (uno de los dos casos) se produce en
funcin de la cantidad ordenada. Este costo, puede ser proporcional a la can-
tidad de la orden o puede ser mas general. Podra incorporar un costo de set
up mas un trmino lineal o podra ser cncavo o convexo o mas general. El
costo de set up incluye los costos de oportunidad del tiempo de set up. Ese
2
costo de oportunidad podra especicarse exgenamente o determinarse dentro
del modelo mismo. El costo de ordenamiento o de produccin pueden explicarse
como el costo de cambiar el nivel de produccin, mas que ser una funcin de la
cantidad ordenada.
Los costos de mantener inventario incluyen los costos sicos y nancieros,
como el costo de oportunidad del capital. Algunas veces las mermas se consid-
eran como costos de mantener inventario. Similarmente el valor promocional
de los superavit de inventarios se pueden considerar como costos de mantener
inventario.
Los costos de quiebres de inventario, escasez o decit se relacionan con los
decits de inventario, los cuales pueden ser acumulados, total o parcialmente o
simplemente no acumularse.
En cuanto al abastecimiento el tiempo de la orden de abastecimiento puede
ser determinstico o estocstico. Tambien podria ser predecible a traves del
tiempo. Esto habitualmente depende de aspectos como cuanto inventario a
mano se tenga en el momento de emisin de la orden en un punto de abastec-
imiento aguas arriba. Esto generalmente depende de las polticas de las orden de
otros productos cuando la demanda se asigna a una instalacin productiva: las
polticas de ordenamiento afectan la variabilidad de los trabajos a ser procesa-
dos en la instalacin, lo cual afecta la variabilidad del tiempo lder. La cantidad
recibida podra diferir de la cantidad ordenada debidos a variaciones en la pro-
duccin o defectos. La orden podria ser despachada en partes en un perodo de
tiempo.
Respecto al sistema sico, generalmente existen una o varias instalaciones.
Cuando existe mas de una instalacin existen diferentes distintas topologas
posibles, como oeracin en serie, en paralelo o en forma de arbol. La forma
fsica de los productos podra preservarse a travs de todas las instalaciones o
no.
En cuanto a la estructura de la informacin, los niveles de inventario pueden
ser revisados continuamente (sobre el tiempo) o peridicamente, por ejemplo
uan vez por dia, o una vez por ao. Los niveles de stock pueden conocerse
exacta o inexactamente. Otra informacin como la distribucin de la demanda
y costos pueden conocerse solo inexactamente.
Por ultimo, existen recursos que son usados mientras se ordena, almacena
y/o entrega un producto. Existen restricciones sobre el uso de recursos que
podrian ser satisfechas.
Razones para mantener inventarios Las economas de escala en la canti-
dad de la orden (tamao de lote) ocurre en cualquier caso existen costos jos
incurridos para cada orden no dependiente del tamao de lote. Dichos costos
ocurren por el tiempo changeover, el tiempo de setup, etc. Los costos promedios
incurridos por semana decrecen cuando el tamao de lote crece. De cualquier
forma, los costos de mantener inventario se elevan entre mas altos sean los niveles
de inventario. Las economas de escala tambien crecen cuando hay descuentos
por cantidad, aprendizaje y cambio de tecnologa. Los stocks que se mantienen
3
en respuesta a las economas de escala son stocks cclicos.
La variabilidad es otra razn para mantener inventarios. El entorno de la
demanda puede ser predecible o impredecible. La variabilidad impredecible es
aquella que es muy costosa de predecir. Los stocks de produccin surgen en
respuesta de los periodos de demanda con peaks predecibles. Estos incrementan
los costos de mantener inventario pero reduce tanto los costos de escasez y los
costos adicionales de ordenar. En general los stocks se mantienen en respuesta a
la variabilidad y los tocks mantenidos ante las variabilidades predichas se conoce
como stock estacional.
Cuando se almacena mas como una medida de respuesta a la variabilidad
impredecible signica mayores costos de mantener pero menores costos de es-
casez. Los stocks que se mantienen en respuesta a la variabilidad impredecible
son los stocks tipo buer o inventarios de amortiguacin.
Los conctos de intereses crecen cuando dos tomadores de decisiones tienen
distintos objetivos. Esto ocurre explcitamente cuando los vendedores compiten
sobre la base del inventario disponible para servir a potenciales compradores.
Decisiones que conlleven a tener bajos niveles de inventarios podrian resultar
en quiebres de inventario frecuentes, lo cual conlleva necesariamente a que los
clientes en el fututo tomen sus pedidos y se vayan a la competencia. Incluso,
podrian comunicar una experiencia de pobre servicio a otros potenciales com-
pradores y causar un deterioro en la demanda futura. Por lo tanto, las empresas
que siempre tienen inventarios a mano causan crecimiento en su demanda fu-
tura. Los stocks cuyo proposito es el de crear demanda futura adicional se
conocen como stocks promocionales.
1.2 Modelos de inventario determinsticos
1.2.1 Supuestos bsicos
Generalmente en los modelos de inventario determinsticos se supone un pro-
ducto, el cual es restituido continuamente en unidades y es consumible o agotable.
Este producto no se deteriora y tiene un tiempo de vida innito. Estamos ante
un modelo en tiempo continuo con un horizonte innito de tiempo. En este
modelo, el nivle de stock es cero en el instante inicial (tiempo inicial cero) y
los niveles de inventario no requieren ser monitoreados, por lo que todas las
consecuencias pueden ser determinadas deterministicamente.
Aqu tambien los costos son conocidos exactamente. La demanda ocurre a
una tasa estacionaria y deterministica : por unidad de tiempo, y no es inuen-
ciable en el modelo. Los quiebres de inventario no son permitidos. Los costos
son estacionarios y consisten de un costo jo de alistamiento (setup) denomi-
nado c
T
mas un costo proporcional de ordenar o producir el producto, llamado
c. Existe un costo porporcional de tener inventario c
H
por unidad de tiempo
que se carga a cada unidad del inventario que se tenga a mano. Existe una in-
stalacion productiva o una sola fuente de abastecimiento. El tiempo de la orden
4
(leadtime) es cero. No existe alguna restriccion sobre alguno de los recursos
utilizados. La produccin de la orden se hace en un 100% y no hay defectos.
Existe un solo tomador de decisiones.
1.2.2 Resultados
Este modelo es el modelo clasico de cantidad economica de pedido (EOQ por
sus siglas en ingles), introducido por Harris (1913) y popularizado por Wilson
(1934). Se asume que Q es el tamao de cada orden puesta; sea entonces Q el
tamao de lote. La suma de los costos de setup y los costos de tener inventario
por unidad de tiempo estan dados por
mc
T
Q
+
Qc
H
2
.
la cual es convexa en Q (sobre su dominio [0. )) y es minimizada por la
expresin
Q

=
r
2:c
T
c
H
La suma optima inducida de costos de setup y costos de tener inventario por
unidad de tiempo esta dada por c
H
Q

2:c
T
c
H
. Alguna variabilidad en el
tamao de lote de Q

en el tiempo incrementa los costos, de esta forma se tiene

que la politica optima es estacionaria.
1.2.3 Extensiones y variaciones con resultados similares
Existen numerosas extensiones y variaciones del modelo EOQ, el cual preserva
el supuesto que la demanda es deterministica y ocurre continuamente a una
tasa ja. Por ejemplo, si el producto es medido en unidades discretas, entonces,
a traves de un procedimiento de redondeo se produce la solucin optima. Si
existen varios productos con una restriccion de capacidad productiva, entonces,
el analisis lagrangeano puede aplicarse obteniendo de nuevo un tamao de lote
optimo explcito. Algunas soluciones explcitas para varios casos pueden en-
contrarse en Parsons (1965). Si existe un leadtime deterministico distinto de
cero, entonces, cada ordenpuede colocarse de manera que esta es recibida exac-
tamente cuando el inventario a mano decrece a cero. Hadley y Within (1963)
realizan un compendio de extensiones del modelo EOQ.
1.2.4 El modelo del vendedor de diarios a un solo perodo.
En un modelo de un solo perodo, el nivel de inventario antes de ordenar es
una cantidad ja dada. Son embargo, este no es el caso en los modelos multi-
periodos. Por tanto, ser conveniente examinar como las decisiones optimas de
almacenamiento dependen del nivel de inventario inicial. Una de las ideas basi-
cas de la teoria de inventarios estocastica es que uno podria pensar la decision
optima de inventario como el nivel de inventario despues de ordenar, mas que la
cantidad ordenada, de hecho, se dene una poltica como una prescripcin del
nivel de inventario depues de ordenar como una funcin del nivel de inventario
antes de ordenar.
5
Supuestos Se ver que elementos son distintos respecto al modelo EOQ. Ex-
iste un perodo discreto simple en el cual la demanda denotada por 1 ocurre.
Sea c la distribucion de probabilidad de 1 y j su media. El costo de ordenar
o producir c se carga por cada unidad a comprar o producir; el costo unitario
efectivo de tener inventario c
H
se calcula contra algun inventario remanente al
nal de un perodo y un costo de decit c
P
se calcula sobre algun periodo con
quiebres de inventario. Si cada unidad de inventario remanente tiene un valor de
c
L
, entonces el costo efectivo de tener inventario es el actual costo c
H
menos c
L
.
Por tanto es posible que c
H
pueda ser negativo. Se asume que c
P
c c
H
y que c es continua. Se asume tambien que la demanda es no negativa, asi que
c(r) = 0 para r < 0.
Resultados Sea n denota el nivel de stock despues de ordenar. La funcin de
costos para un periodo de tener inventarios y de decit de los mismos es
1(n) :=
Z
y
0
c
H
(n :) dc(:) +
Z
1
y
(: n) dc(:)
La funcin objetivo es por lo tanto la suma de los costos de ordenamiento y
de mantener inventarios:
o (n) : = cn +1(n) = cj + (c +c
H
)
Z
y
0
(n :) dc(:)
+(c
P
c)
Z
1
y
(: n) dc(:) . (1)
= cj + (c +c
H
) (n j) + (c
P
+c
H
)
Z
1
y
(: n) dc(:) . (2)
la cual es convexa y es minimizada cuando n = o, donde o es denido a
traves de la siguiente expresin:
c(o) =
c
P
c
c
P
+c
H
(3)
esto es,
o = c
1

c
P
c
c
P
+c
H

donde c
1
es la inversa de la funcin de distribucin. La cantidad c :=
(c
P
c) (c
P
+c
H
) es llamada fractil critico y es la probabilidad optima de no
tener quiebres de inventario. Entonces, o se ajusta de manera que la probabil-
idad de que no hayan quiebres de inventario sea c. Por lo tanto, 1 c es la
probabilidad optima de que hayan agotamiento de inventario. EL nivel optimo
de stock o puede encontrarse como se mostr anteriormente bajo el supuesto
que c
P
c c
H
y c sea continuo. La razn optima de la demanda no satis-
fecha esperada esta dada por
R
1
y
(: n) dc(:) j la cual es sustancialmente mas
6
pequea que 1 c. Por ejemplo, si la demanda esta distribuida normalmente,
con una desviacin estandar igual a un 20% de la media y c = 0.67, entonces
la probabilidad optima de incurrir en decits es 0.33. No obstante la razn
optima de demanda no satisfecha para la demanda esperada es de 0.04. Esto
signica que hay un 33% de chance de quiebres de inventario durante el periodo
pero solo un 4% de chance de que un comprador aleatorio pueda enfrentar un
agotamiento.
La expresin (1) algunas veces se formula directamente, usualmente sin el
trmino cj. La razn de ello es que este ultimo termino no depende del nivel
de stock. El trmino c + c
H
se podra lograr si unas pocas unidades fuesen or-
denadas al inicio del perodo. El costo unitario c podra ser ahorrado y el costo
de mantener adicional podria ser ahorrado al nal del perodo. Similarmente,
el trmino c
P
c podra lograr el costo unitario de underage: dado que all hay
un decit al nal del perodo, un ahorro de c
P
c podria lograrse si una unidad
adicional fuese ordenada al inicio del perodo. El costo de escasez directo de
c
P
podra ser salvado, pero habra que incurrir en un costo c para obtener una
unidad adicional. El fractil crtico es la razn del costo unitario de underage al
nal del perodo respecto a la suma de los costos unitarios de underage y de
overage. La probabilidad optima de decit es la razn del costo de overage uni-
tario respecto a la suma de los costos unitarios de underage y de overage. Otra
forma de expresar el mismo resultado es que la razn optima de la probabilidad
de escasez (decit) respecto a la probabilidad de superavit (teniendo restos o
remanentes de inventario) es igual a la razn del costo de superavit respecto al
costo de decit.
El primer termino de (2), -cj-, representa el costo esperado bajo informacin
perfecta (estar habilitado para seleccionar n despues de determinar que nivel de
demanda se presentar) y los otros dos terminos representan el valor esperado de
informacin perfecta, debido a que este costo podra ser eliminado enteramente
si el valor de la variable aleatoria demanda fue conocida antes de la decision de
almacenar tenga que ser tomada. El valor esperado de la informacin perfecta
en este caso es tambien llamada el costo de amortiguacin o buers, porque este
es el costo debido a buers de mantener inventario, lo cual es debido solamente a
la existencia de variabilidad impredecible. El primer termino del costo de buer
es proporcional al stock de amortiguacin, el cual es n j. El segundo termino
es una funcion de perdida la cual representa costos adicionales incurridos si la
demanda excede el nivel del stock.
La cantidad o j es el inventario buer optimo, el cual es stock mantenido
en exceso de la media, debido a la estocacidad en la demanda. Claramente,
cuando el nivel fractil es bajo, el nivel de stock optimo podria ser menos que la
media y el inventario buer optimo podria ser negativo.
Otra manera para representar el nivel de stock optimo es reescribir (3) como
c
P
(1 c(o)) = c +c
H
c(o)
el cual puede interpretarse como el establecimiento de benecios marginales
igual a los costos marginales: si una unidad adicional es guardada, entonces el
7
benecio marginal es que un costo unitario de escasez puede ser ahorrado si nos
hubieran surtido de producto. El costo marginal es el costo de producir/ordenar
c mas el costo de mantener unitario si se tuviera un stock remanente positivo.
Demanda distribuda normalmente Suponga que la demanda es aproxi-
madamente normalmente distribuda. Por ejemplo, la demand podra represen-
tar la suma de demandas de un gran numero de clientes. Como las demandas
de los clientes pueden ser variables aleatorias independientes e identicamente
distribudas. Entonces, el teorema de limite central justica el supuesto que
la demanda total es aproximadamente normal. Tecnicamente, una distribucin
normal muestra al menos una pequea probabilidad de demanda negativa la cual
se puede descartar. Sin embargo cuando las condiciones del teorema del lmite
central se aplican, el uso de la distribucin normal podra producir resultados
practicos con una exactitud suciente.
Sea o la desviacin estandar, sea 1
N
denota la funcin de distribucin normal
unitaria y sea . que satisface 1
N
(.) = c. Esto es . = 1
1
N
(c). Entonces, el
nivel de stock optimo esta dado por o = j+.o, el stock de buer optimo es por
lo tanto .o y el valor de la funcin objetivo ptima inducida puede ser escrita
como
cj + [(c +c
H
) . + (c
P
+c
H
) 1
N
(.)] o
donde 1
N
es la funcin de perdida normal unitaria, la cual es frecuente-
mente presentada. En este caso,ambos, -el inventario buer y el costo buer
son proporcionales a la desviacin estandar de la demanda.
La razn optima de la demanda esperada no satisfecha respecto a la demanda
esperada esta dado por (oj) 1
N
(.). Existen aproximaciones analticas tanto de
1
1
N
como de 1
N
. Abramowitz y Stegun (1972) presentan una lista de diversas
aproximaciones, muchas de ellas vienen de Hastings (1955). Nahmias y Schmidt
(1984) usan aproximaciones mas gruesas relativas a 1
1
N
.
Producto discontinuo o funcin de distribucin discontinua Si el pro-
ducto es discreto o la distribucin de la demanda c es discontinua, entonces o
es el n mas pequeo posible que satisface
c(n) _
c
P
c
c
P
+c
H
si se asume que c
P
_ c _ c
H
, entonces o puede ser operacionalmente
obtenido como sigue:
dibuje la funcin de distribucin, empiece en el origen, muevase verticalmente
al nivel de fractil c, muevase horizontalmente para intersectar la funcin de
distribucin, muevase verticalmente para intersectar el eje r y moverse a la
derecha horizontalmente a el primer nivel de stock admisible. Si sin embargo,
c _ c
P
_ c
H
, entonces o = es una solucin optima. Si c
P
< c
H
. entonces
la funcin objetivo es estrictamente concava y tambien n = 0 o n = es optimo.
8
Distribucin de demanda desconocido Suponga que la distribucin de
demanda es no conocida con certidumbre. Asuma que la forma funcional de la
demanda es conocida, pero que los parametros de la distribucin son no conoci-
dos. Asuma que tenemos de entrada una distribucin previa o apriori, sobre esos
parmetros. El analisis previo se lleva a traves de, como ahora la distribucin
de la demanda tiene ahora dos niveles de incertidumbre: incertidumbre sobre
los parmetros de la distribucin y dados los parmetros de la distribucin,
incertidumbre acerca de la demanda.
Stock Inicial Suponga que hay un nivel inicial r de inventario, antes de
ordenar. La funcin objetivo ahora se convierte en
G(n; r) = c (n r) +1(n) = o (n) cr
Si vamos a ordenar hasra el nivel n, entonces incurrimos en el costo G(n; r).
Si no vamos a ordenar, el costo ser G(r; r). Por tanto, para que valga la
pena ordenar hasta n, los ahorros de costo, los cuales ascienden a G(r; r)
G(n; r) = o (r) o (n), debera ser positivo. La ventaja crtica de tener un
costo de ordenar/producir marginal es que solo necesitamos ver las diferencias
en la funcin o para determinar que es optimo.
Si o es cuasiconvexo, entonces, la poltica ptima es ordenar suciente para
que el nivel de existencias llegue hasta o, como denimos en las subsecciones
previas, si r _ o y no ordenar nada en caso contrario. Una poltica de este tipo
es llamada "base stock policy" y tambien se le llama "single critical number
policy". Esto es optimo de acercarse lo mas posible al nivel de existencia base.
Si o es no cuasi convexo, lo cual puede pasar si la funci{on de costos de escasez
y de mantener es una funci{on no lineal, entonces o puede poseer un minimo
local a la derecha de o (en puntos mas largos que o). En ese caso, la poltica
ptima podra mantenerse hasta o si r _ o, pero posiblemente a seguir una
politica mas complicada cuando r o.
Maximizacin de utilidades con almacenamiento parcial Suponga que
cada unidad de demanda conocida (satisfecha) produce un ingreso de j y cada
escasez se convierte en una venta perdida con probabilidad
LS
y es acumulada
con una probabilidad 1
LS
. CAda venta perdida resulta en la perdida de
ingreso unitario j y un costo unitario adicional de c
LS
debido a perdidas de
imagen o "good will ". Cada demada acumulada signica que la demanda esta
eventualmente satisfecha, as que el ingreso unitario de j es recibido, pero se
incurre en un costo adicional de c
BL
, debido al ordenamiento especial, expedi-
cion extra y costo de oportunidad de la recepcion retrasada del ingreso y por
supuesto las perdidas de imagen. Por tanto, el ingreso esperado de un nivel de
existencias de n es
Z
y
0
j:dc(:) +
Z
1
y
jndc(:) +j (1
LS
) +
Z
1
y
(: n) dc(:)
= jj j
LS
Z
1
y
(: n) dc(:)
9
El costo esperado se convierte en
cj + (c +c
H
)
Z
y
0
(n :) dc(:)
+(c
BL
c +
LS
[c
LS
c
BL
])
Z
1
y
(: n) dc(:)
Sustrayendo el costo esperado de los ingresos esperados se produce una nueva
funcin objetivo:
(j c) j (c +c
H
)
Z
y
0
(n :) dc(:)
(c
BL
c +
LS
[j +c
LS
c
BL
])
Z
1
y
(: n) dc(:)
= (j c) j (c +c
H
) (n j)
(c
BL
+c
H
+
LS
[j +c
LS
c
BL
])
Z
1
y
(: n) dc(:)
El termino (j c) j representa ka utilidad esperada bajo informacin per-
fecta y los otros dos terminos son los costos buer. En este caso, el costo unitario
overage en el modelo de vendedor de diarios se mantiene c +c
H
, entre tanto el
costo unitario underage se convierte en c
BL
c +
LS
[j +c
LS
c
BL
]. El nivel
de stock optimo se encuentra de manera usual.
Considere el caso cuando
LS
= 1, as que cada escasez se convierte en una
venta perdida. Si existe una condicin underage y una unidad adicional puede
ordenarse, entonces, podriamos recibir los ingresos perdidos de j, ahorrando las
perdidas de good will de c
LS
, pero incurriendo en un costo unitario adicional de
c para ordenar la unidad, para un costo neto underage de j +c
LS
c. En este
caso, el fractil critico es (c +c
H
) (j +c
LS
+c
H
). El costo de escasez efectivo
unitario se ha convertido en j+c
LS
. Uno podra no ser cuidadosi y contar doble
j c: si ah no existe costo por una venta perdida que por ingresos perdidos,
entonces, c
LS
= 0 y j c solo juega un rol de los costos underage.
Suponga que una eleccin puede hacerse entre las ventas perdidas sufridas y
las acumulaciones (ofreciendo llevar a cabo procedimientos de emergencia para
satisfacer alguna escasez) en el contexto de un slo perodo. Esto es,
LS
es una
variable de decisin. La decisin se viene abajo con una simple comparacin de
los costos underage en los dos casos: elegir las ventas perdidas si j+c
LS
< c
BL
,
y elegir acumulacin en otro caso.
Fijacin de precios (pricing) bajo ventas perdidas Construyendo sobre
el modelo de las secciones previas, suponga que el precio del producto tambien
es una variable de decisin. La demanda que sigue siendo una variable aleatoria
es inuenciada por el precio. Por conveniencia, asumimos que todos los quiebres
de inventario se convierten en ventas perdidas. (Los resultados se extienden al
caso mas general de acumulacin parcial pero la exposicin es mas clara con
notacin mas simple). Sea j(j) denota la demanda media y c
p
la distribucin
10
de probabilidad de la demanda, ambas como funciones del precio j. La funcin
objetivo es por tanto la genaralizacin obvia de lo visto en las secciones previas:
(j c) j(j) (c +c
H
) (n j(j))
(j +c
LS
+c
H
)
Z
y
(: n) dc
p
(:) .
El primer termino, es la funcin de retorno de riesgo (el retorno esperado
bajo certidumbre) y el precio que maximiza eso retorno es el precio de riesgo,
el cual el precio ptimo jado por un monopolista en una forma de jacin
deterministica. Los ultimos dos terminos entregan el costo de buer.
Las soluciones analticas explcitas tanto para el nivel de existencias optimo
y el precio optimo no se encuentran disponibles en general. Sin embargo, la
solucin de fractil crtico es aun vlida, as que dado algun precio j, el nivel de
stock optimo podr satisfacer
c
p
(o) =
j +c
LS
c
j +c
LS
+c
H
.
Por ejemplo, si c
LS
= c
H
= 0, entonces la condicin puede ser escrita como
j

1 c
p
(o)

= c, lo cual puede interpretarse como el ingreso marginal jado

igual a el costo marginal. En este caso, el ingreso marginal es el ingreso marginal
esperado, debido a guardar otra unidad, lo cual iguala el unit price times la
probabilidad de vender esa unidad marginal, lo cual es la probabilidad de que
no haya existencias.
Si en general, tentativamente jamos el precio y encontramos el nivel de stock
optimo como una funcin del precio, y entonces substituimos ese nivel de exis-
tencias optimo atras en la funcin objetivo, la funcin objetivo inducida podra
ser una funcin solo del precio. Cuando la demanda se encuentra normalmente
distribuda, esa funcin puede escribirse como
(j c) j(j) [(c +c
H
) . (j) + (j +c
LS
+c
H
) 1
N
(. (j))] o (j)
donde se continua usando la notacin de seciones anteriores.
Young (1978) introducjo un modo conveniente para modelar la demanda
incierta: asuma que j(j) puede ser descompuesto en la suma de j
1
(j) +j
2
(j)
y que existe una variable aleatoria no negativa A la cual es independiente de j
tal que la demanda durante el perodo equivale a j
1
(j) A + j
2
(j). Asumimos
que sin perdida de generalidad que A tiene una media de uno. Existen dos
casos prominentes de esta representacin, los cuales son el caos aditivo y el
multiplicativo. En el caso multiplicativo, j
2
(j) = 0, asi la demanda es el
producto j
1
(j) A. En el caso aditivo j
1
(j) es una constante, asi al reescalar,
la demanda puede ser representada por j(j) + 1 , donde 1 es una variable
aleatoria la cual es dependiente de j y sin perdida de generalidad, se asume que
tiene una media de cero.
Asumiendo que la funcin de retorno de riesgo tiene un maximo local unico,
Karlin y Carr (1962) mostraron que el precio optimo es mas grande que el
11
precio de riesgo en el caso multiplicativo y es menos que el precio de riesgo en
el caso aditivo. Mills (1962) y Zabel (1970) examinan el modelo mas general
en el cual la funcin de costo de producir/ordenar es convexa y creciente. Bajo
algunos supuestos mas restrictivos adicionales, ellos obtienen el mismo resultado:
Mills (1962) mostr que el precio optimo es menos que el precio de riesgo en el
caso aditivo y Zabel (1970) mostr que el precio optimo es mas grande que el
precio de riskless en el caso multiplicativo. Young (1978) entrega condiciones,
incluyendo convexidad de la funcion de costos de ordenar/producir, bajo las
cuales si la varianza de la demanda es una funcin creciente del precio, lo cual es
una generalizacion del caso aditivo, entonces el precio optimo es estrictamente
menos que el precio de riesgo. El tambien mostr que si la funcin de costo
de produccin/ordenar es concava y las otras condiciones se mantienen y el
coeciente de variacin de la demanda es una funcin decreciente del precio, lo
cual es una generalizacin del caso multiplicativo, entonces el precio optimo es
estrictamente mas grande que el precio de riesgo. Esos resultados muestran que
la introduccin de incertidumbre en el modelo monopolico clasico de jacin
de precio afecta el precio optimo en el sentido que depende de la naturaleza
de la incertidumbre: la incertidumbre aditiva tiende a reducir el precio y la
incertidumbre multiplicativa tiende a incrementarlo.
Thowsen (1975) mostro que si la demanda incierta es aditiva, si la funcin
de densidad de probabilidad de la incertidumbre aditiva es 11
2
, y la funcin de
demanda esperada j(j) es lineal, entonces la poltica ptima es una politica de
lista de precios para el stock base: si el nivel de inventario inicial es mas bajo
que el nivel de existencias base, entonces ese nivel de existencias es repuesto y se
carga el precio de lista. Si el inventario inicial es superior al nivel de stock base,
entonces no se ordena nada y se ofrece un precio de descuento. Adicionalmente,
mientras mas alto sea el exceso del nivel de inventario inicial, mayor ser el
descuento optimo ofrecido. Esto es, el precio optimo es una funcin no creciente
del nivel de inventario inicial y ningun desdecuento es ofrecido a menos qe el
nivel de producto este por sobre el nivel de stock base.
Costo no lineales, convexos de escasez y de mantener inventarios
Suponga que las funciones de costo de mantener inventario y de escasez del
mismo son posiblemente no lineales y convexas. Sea c
H
() denota el costo de
mantener cargado sobre algun nivel nal de inventario y c
p
() denota el costo de
escasez cargado sobre el nal del periodo de escasez. es conveniente combinar
esas dos funciones en una sola funcin como sgue. Sea c
HP
() denida por
c
HP
(r) =
c
H
(r) si r _ 0
c
p
(r) otro caso
se puede pensar en r como el nivel de existencias despues de ordenar menos
la demanda. Si r es positivo, entonces calculamos el costo de mantener sobre
cada unidad remanente. Si r es negativo, entonces r entrega el numero de
escaseces (demanda no satisfecha) y calculamos el costo de escasez sobre esos.
Entonces, el costo de mantener esperado y el costo de escasez (perdida) en la
12
funcin 1 se puede escribir como
1(n) =
Z
1
0
c
HP
(n :) dc(:) .
La expresin para 1 puede ser escrita de la misma forma en como se escribi
en la seccin 3.2., excepto que c
HP
() y c
p
() podran ser funciones no lineales.
Suponga que c
HP
() es convexa, lo cual sera cierto si tanto c
H
() y c
p
() son
convexas sobre [0. ) . c
H
(0) = c
p
(0) = 0, y si las condiciones analogas para
nuestro supuesto inicial de que c
p
c c
H
se mantienen. En este caso, 1
continua siendo convexo, la funcin objetivo es nuevamente convexa y por lo
tanto el nivel de existencias optimo puede encontrarse usando las condiciones
de primer orden: el nivel de existencias optimo satisface
1
0
(o) = c
Esto es, 1
0
es una funcin creciente y el nivel de existencias optimo ocurre
en algun punto donde 1
0
sea igual a c.
Costo cuadraticos de escasez y de mantener inventarios Considere el
caso especial en el cual la funcin de costos de escasez y mantener c
HP
es no
solo convexa, pero cuadratica. Una formula simple, explcita para el nivel de
existencias resulta. Indeed, el nivel de existencia optimo puede determinarse
encontrando el punto donde c
HP
se minimiza, y aadiendo la demanda media.
Por ejemplo, si c
HP
es minimizado a cero, lo cual es ordinariamente asumido
para ser el caso, como no hay escasez o remanentes en ese punto, entonces el
nivel de existencia optimo es la demanda media. Es optimo tener un stock
buer de cero en este caso. Esencialmente, los costos de underage y overage son
los mismos, de esta forma es optima almacenar la demanda media. En el caso
lineal, guardamos la demanda media cuando los costos de overage y underage
son los mismos.
Una consecuencia importante de el uso de funciones cuadraticas aqui es que
la solucin optima puede obtenerse resolviendo el problema determinstico el
cual simplemente asume que la demanda siempre es igual a sus medias. Esta
observacin es el centro de la base de los resultados del problema de control
estocastico lineal/cuadratico (Bertsekas (1987) presenta una introduccin de
estos resultados).
Costo no lineales, no convexos de escasez y de mantener inventarios
Suponga que las funciones de costo de mantener inventario y de escasez del
mismo son posiblemente no lineales y no convexos. En particular, asumimos
que la funcin c
HP
() no es convexa. En este caso, es util denir la siguiente
nueva funcion de costos "nales":
c
E
(r) := cr +c
HP
(r)
13
as que la funcin objetivo puede ser escrita como
o (n) = cj +
Z
1
0
c
E
(n :) dc(:)
la cual es la suma de una constante y una convolucin de la funcion de
costos de nalizacin, c
E
() y la distribucin de la demanda. La ventaja de esta
representacin es que si c
E
() es cuasi convexa y c es 11
2
, entonces o es cuasi
convexa, as que si o
0
atraviesa cero, por ejemplo a o, entonces o es un minimo
global de o y por lo tanto el nivel de existencia optimo. Ver Karlin (1958a,
1968) y Barlow y Proschan (1965) para deniciones, ejemplos, resultados, y
aplicaciones de distribuciones 11
2
. El resultado esta basado sobre el hecho que
si una funcin real valorada de una variable real sola cambia "de signo" a lo mas
como su argumento incrementa de a , entonces su convolucin con una
distribucin 11
2
podr tambien "inherit" esa propiedad. Cuando cada cosa es
diferenciable, el resultado entonces continua por la examinacin de la derivada
de o: la derivada de c
E
() cambia de "signo" a lo mas una vez, asi la derivada de
o podr cambiar de signo a lo mas una vez (las diferencias se examinan cuando
la diferenciabilidad no puede ser asumida).
Costos de Set-Up Suponga que, en adicin a la existencia de stock inicial,
exste un costo de setup c
T
en que se incurre si una orden tiene lugar. Deniendo
la funcin o como en la seccin 3.2., se puede ver que se vale del pedido, los
ahorros de costo, los cuales siguen ascendiendo a o (r) o (n) podran exceder
el costo jo, c
T
, de poner una orden.
Como se indic antes, o es convexa y es minimizada en o. Por tanto, si se
va a hacer una orden, quisieramos que terminara en o. Por tanto si r _ o,
claramente no queremos poner una orden, debido a que o es creciente sobre
[o. ), asi que incrementar el nivel de existencias solo incrementara los costos.
Si r _ o nosotros podriamos aun no querer una orden, porque poner una orden
incurre en costos jo de c
T
, Independiente del tamao de la orden, asi mas que
c
T
podra ahorrarse por poner una orden: si o (r) o (o)+c
T
, entonces ordenar
suciente para traer el nivel de existencias a o. Si o (r) < o (o) +c
T
entonces
no se ordena. Una poltica (:. o) ordena lo suciente como para traer el nivel de
stock hasta o siel nivel de existencias inicial esta por debajo de : y no se ordena
en otro caso. El parmetro : es llamado el punto de ordenamiento y o es llamado
el nivel de ordenamiento. Debido a que o es convexa, una poltica (:. o) es
optima (para el problema de un solo perodo). Para encontrar el punto de orden
optimo : operacionalmente, dibuje o, encuentre o donde o se minimiza, mueva
verticalmente al punto c
T
+ o (o), muevase horizontalmente hacia la izquierda
hasta que o sea intersectado: el punto de ordenamiento satisface o (:) = c
T
+
o (o) y : _ o. (Si o es discontinuo, habr que hacer un ligero ajuste).
Si o es cuasi 1convexo para algun 1 _ c
T
, entonces una poltica (:. o)
podria seguir siendo optima. Bajo regularmente razonables, si c
E
() como se
deni en la seccion 3.11, es cuasi 1convexo y c es una convolucin nita de
distribuciones uniforme y Polya (Dirichet), entonces o podria tambien ser cuasi
14
1convexa. Si c
HP
() como se deni en la seccin 3.9, es 1convexo y por
lo tanto cuasi 1convexo.
Cantidad de ordenes mnima y mxima Suponga que hay un tamao
mnimo de orden a y un tamao maximo de orden /, donde 0 _ a _ / _ .
Si a = /, entonces un slo tamao de orden es posible. Suponga tambien que
existe un inventario inicial r. Para encontrar el nivel de existencias optimo o

,
dado que una orden va a ser hecha, podemos ignorar temporalmente los lmites
y encontrar la solucin de fractil crtico o. Desde que la funcin objetivo sea
convexa, el nivel de existencia optimo se encuentra haciendo el minimo ajuste a
la solucin de fractil crtico para hacer esto factible. Esto es, si a _ o r _ /,
entonces trae el nivel hasta o

= o. Si o r < a, entonces ordenese a para

traer el nivel hasta o

(r) = r +/.
Para determinar si hacer si no una orden, la compraracin podra hecerse
entre o (r), el costo si ninguna orden es hecha, y o (o

), el costo si una orden es

hecha. Sea : denota un nmero real que satisface o (:) = o (: +a). considerando
o a denirse sobre la linea real entera y asumiendo o (r) como [r[ , tal
: puede siempre encontrarse porque o es convexa. Entonces : tambien satisfece:
: _ o. o (r) _ o (r +a) para r _ : y o (r) _ o (r +a) para r _ :. Si o a _ :,
entonces el nivel de stock optimo como una funcin de r esta dado por:
o

(r) =
r +/
o
r +a
r
si
si
si
en
r _ o /
o / _ r _ o a
o a _ r _ :
otro caso
Si o a :, entonces el ajuste obvio se podria realizar. Si existe un costo
de setup, entonces la denicin de : cambia y ajustes futuros obvios se podrian
realizar.
15