INTRODUCCIN

En el presente trabajo hablaremos de MODELO DE INVENTARIOS, MODELOS DE INVENTARIOS DETERMINISTICOS, MODELOS E INVENTARIOS PROBABILSTICAS, RBOL DE DECISIONES, MATRIZ DE PAGOS, COMPONENTES Y ESTRUCTURA.

El costo de mantener un cierto nmero de unidades en inventario puede ser importante para una empresa. El objetivo de la teora de inventarios es establecer tcnicas para minimizar los costos asociados a un esquema de inventario para satisfacer una demanda. Las prcticas administrativas que den como resultado minimizar el porcentaje del inventario total, pueden representar grandes ahorros en dinero

Pgina 1

NDICE

MODELO DE INVENTARIOS 4

MODELOS DE INVENTARIOS DETERMINISTICOS.. 6

MODELOS E INVENTARIOS PROBABILSTICAS.10

RBOL DE DECISIONES.13

MATRIZ DE PAGOS..16

COMPONENTES Y ESTRUCTURA28

CONCLUSIN..30

FUENTES DE INFORMACIN31

Pgina 2

MODELO DE INVENTARIOS INVENTARIOS

Un inventario es un recurso empleado pero til que posee valor econmico. El problema se plantea cuando una empresa expendedora o productora de bienes y servicios no produce en un momento determinado la cantidad suficiente para satisfacer la demanda, por lo que debe realizar un almacenamiento protector contra posibles inexistencias. El objetivo radica en definir el nivel de inventario. Estas decisiones consisten en dar normas que nos precisen en que instante se deben efectuar los pedidos del producto considerado y la cantidad que se debe pedir. En trminos generales un inventario es un conjunto de recursos tiles que se encuentran ociosos en algn momento. El objetivo de los problemas de inventario es minimizar los costes (totales o esperados) del sistema sujetos a la restriccin de satisfacer la demanda (conocida o aleatoria). Entre los diferentes costes que puede haber en un problema de inventario estn: 1.- Costes de fabricacin. 2.- Costes de mantenimiento o almacenamiento. 3.- Costes de penalizacin o rotura por no satisfacer la demanda. 4.- Rendimientos o ingresos. (Puede o no incluirse en el modelo). 5.- Costes de recuperacin o salvamento. (El valor de recuperacin representa el valor de desecho del artculo para la empresa, quiz a travs de una venta con descuento). 6.- Tasa de descuento. La tasa de descuento toma en cuenta el valor del dinero en el tiempo. Cuando una empresa compromete capital en inventarios, no puede usar este dinero para otros fines. PORQUE TENER INVENTARIOS? Se da la existencia de inventarios debido a que los proveedores que abastecen los insumos a las empresas no pueden dar respuesta inmediata a los requerimientos de esta; puesto que hay una diferencia entre el tiempo de abastecimiento y la demanda interna. Es por esta razn que las empresas mantiene inventarios como colchn de

Pgina 3

seguridad o un STOCK para que al momento de una necesidad se satisfaga la demanda.

INVENTARIO SEGN LA DEMANDA

Existen dos tipos de demanda: *DEMANDA PROBABILSTICA: demanda de un artculo que est sujeta a
una cantidad significativa de variabilidad. Ejemplo en un hospital no se sabe cuntos y que tipos de pacientes entraran en la semana que entra, lo que ocasiona una demanda incierta de los suministros mdicos. (Demanda independiente: dos o ms artculos en los que la demanda de un artculo no afecta la demanda cualquiera de los otros artculos).

*DEMANDA DETERMINSTICA: demanda de un artculo que se conoce con

certeza. Ejemplo en un proceso de fabricacin automatizada, sabe que una maquina inserta 20 chips por minuto en un tablero de circuitos integrados, por lo tanto los chips son los artculos a mantenerse en el inventario y la demanda determinstica es 20 chips por minuto. (Demanda dependiente: dos o ms artculos en los que la demanda de un artculo determina o afecta la demanda de uno o ms de los otros artculos).

REGLAS O PRINCIPIOS

1)Todo tem debe estar debidamente codificado y localizado 2) Todo movimiento de inventario ya sea de entrada, de salida o consolidad

Pgina 4

de datos deben estar documentados (firmados y autorizados) 3) Los documentos de entrada deben diferenciarse de los documentos de salida (se utilizan colores) 4) En cuanto sea posible, el lugar fsico de entrada debe ser diferente al lugar fsico locativo de salida 5) Los tem de un mismo cdigo deben estar almacenados en un mismo lugar 6) Si es posible se debe marcar lo contado e inventariado 7) En una auditoria todo tem debe ser contado tres veces por personas diferentes, consignndolos en tarjetas diferentes y estableciendo las siguientes reglas de registro: Si dos tarjetas coinciden en la cantidad se registra ese valor o cantidad Si las tarjetas no coinciden se vuelve a contar con otro auditor Hay una tarjeta de conteo de inventario y una fsica 8) Los tems de mayor peso deben ubicarse en los niveles inferiores y los de menor peso en los niveles superiores 9) Los tems que tuvieron movimientos en el da deben verificarse sus saldos antes de cerrar el da, es decir verificar la existencia fsica con la existencia lgica. 10) Nadie del personal de inventario se va antes que no est cuadrado el movimiento de los tems de ese da 11) No se debe recibir premios o comisiones de los proveedores 12) Los recortes de inventario mximo son de tres das, despus de finalizado el mes deben estar los informes.

MODELOS DE INVENTARIOS DETERMINISTICOS

MODELO DE INVENTARIO GENERAL La naturaleza del problema de inventario consiste en hacer y recibir pedidos de determinados volmenes, repetidas veces y a intervalos determinados. Una poltica de inventario responde las siguientes preguntas.

Cunto se debe ordenar?

Pgina 5

Esto determina el lote econmico (EOQ) al minimizar el siguiente modelo de costo: (Costo total del inventario) = (Costo de compra) + (costo de preparacin + (Costo de almacenamiento) + (costo de faltante). Todos estos costos se deben expresar en trminos del lote econmico deseado y del tiempo entre los pedidos.

El costo de compra se basa en el precio por unidad del articulo. Puede ser constante, o se puede ofrecer con un descuento que depende que depende del volumen del pedido. El costo de preparacin representa el cargo fijo en el cual se incurre cuando se hace un pedido. Este costo es independiente del volumen del pedido El costo de almacenamiento representa el costo de mantener suficientes existencias en el inventario. Incluye el inters sobre el capital, as como el costo de mantenimiento y manejo El costo de faltante es la penalidad en la cual se incurre cuando nos quedamos sin existencias. Incluye la perdida potencial de ingresos, as como el costo mas subjetivo de la perdida de la buena voluntad de los clientes. Cuando se deben colocar los pedidos? Depende del tipo de sistema de inventario que tenemos. Si el sistema requiere una revisin peridica (por ejemplo, semanal o mensual), el momento para hacer un nuevo pedido coincide con el inicio de cada periodo. De manera alternativa, si el sistema se basa en una revisin continua, los nuevos pedidos se colocan cuando el nivel del inventario desciende a un nivel previamente especificado, llamado el punto de reorden. MODELOS ESTTICOS DE LOTE ECONMICO (EOQ) Este modelo presenta tres variaciones del modelo de cantidad de lote econmico con una demanda esttica. Modelo EOQ clsico El modelo de inventario ms sencillo implica un ndice de la demanda constante con un reabastecimiento instantneo de pedidos y sin faltante. Digamos que Y = cantidad del pedido (nmero de unidades) D = ndice de la demanda (unidades por tiempo de unidad) To = duracin del ciclo de pedidos (unidades de tiempo) Utilizando estas definiciones, el nivel de inventario sigue el patrn representado en la siguiente figura. Se hace un pedido de un volumen de y unidades y se recibe al instante cuando el nivel del inventario es cero. De esta manera, las existencias se agotan de manera uniforme segn el ndice de la demanda constante D . el ciclo de pedidos para este patrn es

Pgina 6

Unidades de tiempo Nivel de inventario Puntos en el tiempo en los cuales se reciben los pedidos Y Inventario promedio

Tiempo El nivel resultante del inventario promedio se da como nivel del inventario Promedio unidades =

El modelo del costo requiere dos parmetros de costo. K = costo de preparacin asociado con la colocacin de un pedido (dlares por pedido) h = costo de almacenamiento (dlares por unidad del inventario por tiempo de unidad) Por consiguiente, el costo total por tiempo de unidad (CTU) se calcula como CTU (y) = costo de preparacin por tiempo de unidad + costo de almacenamiento por tiempo de unidad. = costo de preparacin + costo de almacenamiento por ciclo to to

= El valor optimo de la cantidad y del pedido se determina minimizando CTU (y) respecto a y. Suponiendo que y es continua, una condicin necesaria para encontrar el valor optimo de y es

Pgina 7

La condicicion tambin es suficiente debido a que CTU (y) es convexa. La solucin de la ecuacin nos da el EOQ y* como

y*= La poltica del inventario optimo para el modelo propuesto se resume como Pedido y* = 2KD unidades cada to = y unidades de tiempo H De hecho, no es necesario recibir un nuevo pedido en el instante en que se coloca, como lo sugiere la exposicin anterior. En su lugar, puede ocurrir un tiempo de entrega positivo, l entre le momento en el que se hace un pedido y el momento en el que se recibe, como lo demuestra la figura 2. En este caso, el punto de reorden ocurre cuando el nivel del inventario desciende a LD unidades. L e = L - nt*0 Cuando n es el entero ms grande no excediendo L/t*0 este resultado se justifica debido a que despus de n ciclos de t*0 cada uno. La situacin del inventario actual como si el intervalo entre hacer un pedido y recibir otro es Le por consiguiente, el punto del nuevo pedido ocurre en LeD unidades y la poltica del inventario se puede volver a exponer como Ordene la cantidad y* cuando el nivel del inventario desciende a LeD unidades Nivel de Puntos de Reorden inventario L L tiempo 5.2.2 EOQ con descuentos por cantidad Este modelo es idntico al EOQ clsico, excepto que el articulo en el inventario se puede comprar con un descuento si el volumen de pedido y, excede un limite dado q, es decir el precio de compra por unidad, c, se da como c= c1, si y <= q c = c2 , si y > q

donde c1 > c2, Entonces

Costo de compra por tiempo de unidad

Pgina 8

Costo de compra por tiempo de unidad Entonces el CTU(y) es

CTU(y) = CTU1(y) =

CTU(y) = CTU2(y) = Las funciones CTU1 y CTU2, debido a que las dos funciones difieren nicamente por una cantidad constante, su mnimo debe coincidir en

La funcin de costo CTU(y) empieza a la izquierda con CTU1(y) y desciende a CTU2(y) en el punto de descuento por cantidad q. En el grafico anterior revela que la determinacin de la cantidad optima del lote econmico y* depende de donde se encuentra el punto de descuento por cantidad q respecto a las zonas I,II y III delineadas por (0,ym), (ym,q) y (q, ), respectivamente. El valor de Q (>ym) se determina de la ecuacin CTU2(Q) = CTU1(ym)

MODELOS E INVENTARIOS PROBABILSTICAS

Los modelos desarrollados se clasifican en general bajo situaciones de anlisis continuo y peridico. Los modelos de anlisis peridico incluyen casos de un solo periodo, y de periodos mltiples 7.1 MODELOS DE REVISIN CONTINUA Existen dos modelos, el primero es una versin probabilzada del EOQ determinista, que utiliza existencias estabilizadoras para explicar la demanda probabilista, el segundo un EOQ probabilstico mas exacto, que incluye la demanda probabilstica de forma directa en la formulacin 7.1.1 MODELOS EOQ PROBABILIZADO

Pgina 9

el tamao de las existencias estabilizadoras se determina de modo que la probabilidad de agotamiento de las existencias durante el tiempo de entrega (el periodo entre colocar y recibir un pedido) no exceda un valor predeterminado. Sean: L = tiempo de entrega entre colocar y recibir un pedido. L = demanda promedio durante el tiempo de entrega. L = desviacin standard de la demanda durante el tiempo de entrega. B = tamao de la existencia estabilizadora. = mxima probabilidad disponible de agotamiento de las existencias durante el tiempo de entrega. XL = variable aleatoria que representa la demanda durante el tiempo de entrega. Tengamos en cuenta que P(z>=K y B>= L.K La principal suposicin del modelo es que la demanda, XL, durante el tiempo de entrega L se distribuye normalmente con media L y desviacin standard L, es decir, N(L, L). La demanda durante el tiempo de entrega normalmente se describe mediante una funcin de densidad de probabilidad por unidad de tiempo (por ejemplo, por da, o semana), de la cual podemos determinar la distribucin de la demanda durante L. De forma especifica, dado que la demanda por unidad de tiempo es normal con media D y desviacin standard , entonces, en general, la demanda durante L es N(L, L), donde L L = DL L =

Modelo EOQ probabilstico Este modelo permite faltantes en la demanda, la poltica requiere ordenar la cantidad y siempre que el inventario caiga al nivel R. Como en el caso determinista, el nivel de reorden R es una funcin del tiempo de entrega, entre colocar y recibir un pedido. Los valores ptimos de y y R, se determinan minimizando el costo esperado por unidad de tiempo que incluye la suma de los costos de preparacin, conservacin y faltante. El modelo tiene 3 suposiciones la demanda no satisfecha durante el tiempo de entrega se acumula. no se permite mas de una orden pendiente. la distribucin de la demanda durante el tiempo de entrega permanece estacionaria (sin cambio) con el tiempo. Para desarrollas la funcin de costo total por unidad de tiempo, sea

Pgina 10

f(x) = fdp de la demanda, x, durante el tiempo de entrega D = demanda esperada por unidad de tiempo h = costo de manejo por unidad de inventario por unidad de tiempo p = costo de faltante por unidad de inventario K = costo de preparacin por pedido Con base en estas definiciones, se determinan los elementos de la funcin de costo. costo de preparacin: el nmero aproximado de pedidos por unidad de tiempo es D/y, por lo que el costo de preparacin por unidad de tiempo es KD/y. Costo de manejo esperado: el inventario promedio es I = y/2 + R - E(x) El costo de manejo esperado por unidad de tiempo es, por tanto, igual a hI La formula no considera el caso de que R-E(x) pueda ser negativo. costo de faltante esperado: el faltante ocurre cuando x > R. De esta manera, la cantidad faltante esperada por ciclo es S = x(x-R) f(x)dx El costo de faltante por unidad de tiempo es = pDS/y

La solucin para obtener y* y R* optimas se determina por Y*= 2D(K+pE(x) H La integral de R* hasta en funcin de (x) = hy*/pD Como y* y R* no se pueden determinar de forma cerrada, se usa un algoritmo numrico, desarrollado por Hadley y Whitin para encontrar las soluciones. El algoritmo se prueba para que converja en un numero finito de iteraciones, a condiciones de que exista una solucin factible.

RBOL DE DECISIONES
Una herramienta muy til para el anlisis de decisiones es el rbol de decisiones.

Pgina 11

Para la construccin del rbol de decisiones se debe tener en cuenta los siguientes puntos: El punto de partida puede ser tomar una decisin (nodo cuadrado) o una diversidad de estados de la naturaleza (nodo circular). Las ramas describen las distintas secuencias de acontecimientos. Inicialmente se debe indicar en el rbol el valor de probabilidad de cada estado de la naturaleza y el valor de utilidad (o prdida) de cada situacin. Para facilitar su seguimiento, es recomendable enumerar los nodos. Los nodos de estados de la naturaleza se reducen reemplazndolos por un valor equivalente al correspondiente valor esperado. Los nodos de decisin se reducen comparando los valores de utilidad y escogiendo el mayor. Finalmente el rbol se reduce a una decisin o a un valor esperado.

Para el caso del ejemplo, el correspondiente rbol de decisiones es:

30
Fu P( er F) te = 0,4 5

b D il = D) P( 5 0,5

-8 20

Ag

re s

iva

Bsica

P( F) F ue rt = 0,4 e 5 b D il = D) P(

P( F) Fue rt = 0,4 e 5 b D il = D) P(

e lo ut Ca sa

7 5

5 0,5 5 0,5

15

Pgina 12

Luego, los nodos de estados de naturaleza se reemplazan por los respectivos valores esperados, quedando el rbol como se muestra a continuacin:
2
9,10

Ag

Bsica

re s

iva

12,85

La decisin que se toma es la de mayor valor esperado, es decir la decisin bsica.

De forma ms concreta, refirindonos al mbito empresarial, podemos decir que los rboles de decisin son diagramas de decisiones secuenciales nos muestran sus posibles resultados. stos ayudan a las empresas a determinar cu les son sus opciones al mostrarles las distintas decisiones y sus resultados. La opci n que evita una prdida o produce un beneficio extra tiene un valor. La habilidad de crear una opcin, por lo tanto, tiene un valor que puede ser comprado o vendido. En resumen, los rboles de decisin proveen un mtodo efectivo para la toma de decisiones debido a que: - claramente plantean el problema para que todas las opciones sean analizadas. permiten analizar totalmente las posibles consecuencias de tomar una decisi n. proveen un esquema para cuantificar el costo de un resultado y la probabilidad de que suceda. - nos ayuda a realizar las mejores decisiones sobre la base de la informacin existente y de las mejores suposiciones.

CMO DIBUJAR UN RBOL DE DECISIONES

u te Ca lo s a

10,50

Pgina 13

Para comenzar a dibujar un rbol de decisin debemos escribir cul es la decisin que necesitamos tomar. Dibujaremos un recuadro para representar esto en la parte izquierda de una pgina grande de papel. Desde este recuadro se deben dibujar l neas hacia la derecha para cada posible solucin, y escribir cul es la solucin sobre cada lnea. Se debe mantener las lneas lo ms apartadas posibles para poder expandir tanto como se pueda el esquema. Al final de cada lnea se debe estimar cul puede ser el resultado. Si este resultado es incierto, se puede dibujar un peque o crculo. Si el resultado es otra decisin que necesita ser tomada, se debe dibujar otro recuadro. Los recuadros representan decisiones, y los crculos representan resultados inciertos. Se debe escribir la decisin o el causante arriba de los cuadros o c rculos. Si se completa la solucin al final de la lnea, se puede dejar en blanco. Comenzando por los recuadros de una nueva decisi n en el diagrama, dibujar lneas que salgan representando las opciones que podemos seleccionar. Desde los crculos se deben dibujar lneas que representen las posibles consecuencias. Nuevamente se debe hacer una peque a inscripcin sobre las lneas que digan que significan. Seguir realizando esto hasta que tengamos dibujado tantas consecuencias y decisiones como sea posible ver asociadas a la decisi n original. Un ejemplo de rbol de decisin se puede ver en la siguiente figura: Una vez que tenemos hecho esto, revisamos el diagrama en rbol. Controlamos cada cuadro y crculo para ver si hay alguna soluci n o consecuencia que no hayamos considerado. Si hay alguna, la debemos agregar. En algunos casos ser necesario dibujar nuevamente todo el rbol si partes de l se ven muy desarregladas o desorganizadas. Ahora ya tendremos un buen entendimiento de las posibles consecuencias de nuestras decisiones. EVALUAR LOS RBOLES Ahora ya estamos en condicin de evaluar un rbol de decisiones. Aqu es cuando podemos analizar cul opcin tiene el mayor valor para nosotros. Comencemos por asignar un costo o puntaje a cada posible resultado - cu nto creemos que podra ser el valor para nosotros si estos resultados ocurren. Luego, debemos ver cada uno de los crculos (que representan puntos de incertidumbre) y estimar la probabilidad de cada resultado. Si utilizamos porcentajes, el total debe sumar 100%. Si utilizamos fracciones, estas deber an sumar 1. Si tenemos alg n tipo de informacin basada en eventos del pasado, quiz s estemos en mejores condiciones de hacer estimaciones m s rigurosas sobre las probabilidades. De otra forma, debemos realizar nuestra mejor suposici n. Esto dar un rbol parecido al de la siguiente figura:

Pgina 14

MATRIZ DE PAGOS
En la teora de decisiones, el resultado de una decisin depende del escenario o estado de la naturaleza que se va a producir. La decisin tomada afecta slo a quien toma la decisin y no altera el estado de la naturaleza. Para el desarrollo del anlisis de decisiones es fundamental la matriz de pagos que en realidad es una lista de posibles estados de la naturaleza versus las diferentes alternativas de decisin. Dentro del cuerpo de la tabla, es decir, para el cruce de cada estado de la naturaleza y cada decisin figuran las utilidades (o prdidas). Tomemos como ejemplo la siguiente situacin: suponga que para un negocio a futuro se puede presentar dos escenarios (fuerte o dbil) y frente a estos se pueden tomar tres tipos de decisiones o estrategias (agresiva,

Pgina 15

bsica y cautelosa). Las utilidades estimadas de las decisiones en cada escenario se muestran en la siguiente matriz de pagos: Decisiones Estados de la naturaleza Fuerte Agresiva Bsica Cautelosa 30 20 5 Dbil -8 7 15

El problema consiste en determinar qu decisin tomar. En realidad existen tres formas de presentar los estados de la naturaleza que a su vez definen tres tipos de decisiones, a saber: Decisin bajo certeza: Es aquella decisin en la que se sabe qu estado de la naturaleza ocurrir. Decisin bajo riesgo: Es aquella decisin en la que se conoce la distribucin de probabilidades de los estados de la naturaleza. Decisin bajo incertidumbre: Es aquella decisin que se toma sin conocer la probabilidad de ocurrencia de los diversos estados de la naturaleza. A continuacin se pone a consideracin distintos criterios para elegir la mejor decisin. 2.2 Decisiones bajo incertidumbre

Los criterios analizados a continuacin no consideran las probabilidades de ocurrencia de los distintos estados de la naturaleza. ,

Criterio Maximax Tambin conocido como criterio optimista. El mtodo consiste en que, tomando como base la matriz de pagos, para cada decisin se escoge el mejor rendimiento y con esos valores se construye la siguiente tabla:

Pgina 16

Decisiones Agresiva Bsica Cautelosa

Rendimiento mximo 30 20 15

El mayor de los valores de rendimiento mximo

Entonces, de acuerdo al criterio Mximax, la decisin que se deber tomar es la que maximiza los mayores rendimientos, es decir, para el caso analizado es la agresiva.

Criterio Maximin Tambin conocido como criterio conservador o pesimista. El mtodo consiste en que, tomando como base la matriz de pagos, para cada decisin se escoge el menor rendimiento y con esos valores se construye la siguiente tabla. Decisiones Agresiva Bsica Cautelosa Rendimiento mnimo -8 7 5
El mayor de los valores de rendimiento mnimo

De acuerdo al criterio Mximin, la decisin que se deber tomar es la que maximiza el valor del rendimiento, es decir, la decisin es bsica.

Criterio Hurwicz

Con este criterio, la idea es combinar los criterios optimista y pesimista, decidiendo qu tan optimista o qu tan pesimista se desea ser, de la manera siguiente: 1. Escoja un coeficiente de optimismo, (alfa), que tiene un valor entero entre 0 y 1 (cunto ms cerca se est de 1, ms optimista se es).

Pgina 17

2. Calcule para cada alternativa: Ganancia ponderada = * (ganancia mxima) + (1-) * ganancia mnima

3. Seleccione la alternativa que tenga la mayor ganancia ponderada. Para ilustrar este criterio tomemos como = 0.7. Este valor significa que usted es ms optimista que pesimista. Utilizando la frmula anterior, calcule la ganancia ponderada para las tres alternativas. Por ejemplo, para la alternativa agresiva: Ganancia ponderada = 18.6 = 0.7 * 30 + (1 0.7) * (-8)

Los resultados de dichos clculos equivalentes para las otras dos alternativas de inversin se resumen en la tabla siguiente: Alternativa Agresiva Bsica Cautelosa Ganancia mxima 30 20 15 Ganancia mnima -8 7 5 Ganancia ponderada 18.6 16.1 12.0

Sobre la base de estos resultados, se selecciona la alternativa agresiva porque su ganancia ponderada 18.6, es la mayor de las tres alternativas. Observe que si se toma como 1, entonces este criterio de convierte en el optimista, pues la ganancia ponderada se hace igual a la ganancia mxima. Cuando se escoge igual a cero, este criterio es el pesimista. As pues, cuanto ms cerca de 1 se elija el valor de , ms optimista es el criterio que se est utilizando para tomar la decisin. Del mismo modo, cuanto ms cercano a cero se escoja el valor de , ms pesimista ser el criterio que se est utilizando.

Pgina 18

Criterio Laplace

Mediante este criterio, a cada estado de la naturaleza se le asigna la misma probabilidad de ocurrencia y se obtiene el rendimiento esperado para cada alternativa de decisin. De esa manera elegimos aquella alternativa que optimice lo que estamos buscando.

Criterio perjuicio o Minimax Este criterio requiere que se construya una nueva tabla (matriz de perjuicios o arrepentimientos) en la que se presente el perjuicio neto por cada combinacin de decisin y estado de naturaleza. La tabla de perjuicios se obtiene de la siguiente manera: se resta el valor de utilidad mxima del estado de la naturaleza del respectivo valor en la matriz de pagos. La tabla de perjuicios para el ejemplo sera la siguiente: Decisiones Estados de la naturaleza Fuerte Agresiva Bsica Cautelosa 0 10 25 Dbil 23 8 0
Por ejemplo: mximo valor del escenario = 15 (-) valor de pago respectivo = -7 perjuicio =8

Luego, de cada rengln de la tabla de perjuicios se selecciona el mayor valor y se construye la siguiente tabla. Decisiones Agresiva Bsica Cautelosa Perjuicio mximo 23 10 25

El menor de los mayores perjuicios

Pgina 19

De acuerdo a este criterio, quien toma la decisin deber elegir el que minimiza los perjuicios mximos, que en este caso es la decisin bsica.

2.3 Decisiones bajo riesgo

La toma de decisiones se hace tomando en cuenta las probabilidades. En este caso quien toma las decisiones puede estimar la probabilidad de cada uno de los estados de la naturaleza. Para cada decisin se calcula el rendimiento esperado mediante la expresin:
VE (decisin) = Vi .Pi

Donde: i.

VE es el valor esperado de la decisin Vi es la utilidad de la decisin en el estado de naturaleza i Pi es la probabilidad de ocurrencia del estado de la naturaleza

El criterio es tomar la decisin que maximiza el rendimiento esperado. En el ejemplo que estamos desarrollando, consideremos las probabilidades de cada estado de la naturaleza como: Estados de la naturaleza Fuerte Probabilidad 0,45 Dbil 0,55

Calculando los valores esperados de cada una de las decisiones tendremos: VEagresiva = 0,45 . (30) + 0,55 . (-8) = 9,10 VEbsica = 0,45 . (20) + 0,55 . (7) = 12,85

VEcautelosa = 0,45 . (5) + 0,55 . (15) = 10,50

Pgina 20

De acuerdo a este criterio, se elige la decisin bsica.

2.4 Valor esperado de la informacin perfecta

El valor esperado de la informacin perfecta es el mximo valor que estaramos dispuestos a pagar por tener la certeza de que escenario ocurrir a futuro. Si nos dijeran lo que va a ocurrir y efectivamente ocurre, siempre tomaramos la mejor decisin, y el valor con informacin perfecta sera: VE con IP = 0,45 . (30) + 0,55 . (15) = 21,75 En ausencia de informacin perfecta, la decisin adecuada es la bsica y su valor esperado es 12,85, es decir: VE sin IP = 12,85 Por lo tanto, el valor de la informacin perfecta es: VEIP = VE con IP VE sin IP = 8,9 Problema [Link] la prxima estacin de cultivo, el granjero Jacinto tiene cuatro opciones: A1: Plantar maz; A2: Plantar trigo; A3: Plantar soya; A4: Usar la tierra para pastoreo Los pagos asociados con las diferentes acciones estn influidos por la cantidad de lluvia, que se presenta en uno de cuatro estados: S1: Lluvia fuerte; S2: Lluvia moderada: S3: Lluvia ligera; S4: Temporada de sequa Las utilidades estimadas se muestran en la siguiente matriz de pagos (en miles de soles): S1 A1 A2 - 20 40 S2 60 50 S3 30 35 S4 -5 0

Pgina 21

A3 A4

- 50 12

100 15

45 15

- 10 10

a. Cul es la decisin recomendable bajo incertidumbre? b. Si las probabilidades de ocurrencia de lluvia S1, S2 y S3 fueran 0,1, 0,6 y 0,2 respectivamente, Cul sera la mejor decisin bajo el criterio de valor esperado? c. Hasta cunto estara dispuesto a pagar el granjero por tener informacin ms concreta de la cantidad de lluvia que caer? Solucin: a. De acuerdo a los criterios bajo incertidumbre se escogern las alternativas indicadas a continuacin: S1 A1 A2 A3 A4 - 20 40 - 50 12 S2 60 50 100 15 S3 30 35 45 15 S4 -5 0 - 10 10 Maximin - 20 0 - 50 10

De acuerdo al criterio Maximin, la alternativa adecuada es A4: usar tierra para pastoreo

S1 A1 A2 A3 A4 - 20 40 - 50 12

S2 60 50 100 15

S3 30 35 45 15

S4 -5 0 - 10 10

Maximax 60 50 100 15

Pgina 22

De acuerdo al criterio Maximin, la alternativa adecuada es A3: plantar soya

Para el criterio arrepentimiento:

Mnimax

primero

elaboramos

la

matriz

de

S1 A1 A2 A3 A4 60 0 90 52

S2 40 50 0 85

S3 15 10 0 30

S4 15 10 20 0

Minimax 60 50 90 85

De acuerdo al criterio Minimax, la alternativa adecuada es A2: plantar trigo

b. Con los valores de probabilidad calculamos la utilidad esperada para cada alternativa: S1 0,1 A1 A2 A3 A4 - 20 40 - 50 12 S2 0,6 60 50 100 15 S3 0,2 30 35 45 15 S4 0,1 -5 0 - 10 10 Valor Esperado 39,5 41,0 63,0 14,2

De acuerdo al criterio del valor esperado, la alternativa adecuada es A3: plantar soya.

Pgina 23

c. Si se conociera que escenario suceder en el futuro, las decisiones adecuadas seran: S1 0,1 A1 A2 A3 A4 40 100 45 10 S2 0,6 S3 0,2 S4 0,1

El valor esperado con informacin perfecta de la utilidad ser:

VE con IP = 40 . 0,1 + 100 . 0,6 + 45 . 0,2 + 10 . 0,1 = 74:

Lo que estara dispuesto a pagar ser el valor de la informacin perfecta.

VIP = 74 63 = 11

Lo que estara dispuesto a pagar sera S/. 11 000. 2.5 Anlisis de sensibilidad

Los valores de probabilidades de los diferentes estados de la naturaleza que se utilizaron para calcular los valores esperado, muchas veces son solo referenciales y estn sujetos a variaciones. Por tanto, dependiendo de la magnitud de las variaciones las decisiones podran cambiar. El anlisis de decisiones muestra los rangos en los que puede variar las probabilidad sin que cambien las decisiones.

Pgina 24

Sigamos con el ejemplo de los dos escenarios (fuerte y dbil) y calculemos el valor esperado con una probabilidad p para el estado de naturaleza Fuerte y (1-p) para el Dbil. El valor esperado de la decisin Agresiva es: VEagresiva = p . (30) + (1-p) . (-8) = 38 p - 8 El valor esperado vara de acuerdo al valor de p, es decir, la expresin corresponde a la ecuacin de una recta, donde p vara desde 0 hasta 1. Si graficamos la expresin tendremos:
Rendimiento esperado
30 25 20 15 10 5 0 -5 -8 -10 -10 A

Rendimiento esperado
30 25 20 15 10 5 0 -5

P(F) = 0

P(F) = 1

Si el mismo proceso calculo lo aplicamos a las otras decisiones tendremos las siguientes expresiones: VEbsica = p . (20) + (1-p) . (7) = 13 p + 7

VEcautelosa = p. (5) + (1 - p) . (15) = -10 p + 15 Si graficamos estas expresiones junto con la anterior tendremos el siguiente grfico:

Pgina 25

Rendimiento esperado
30 25 20 15 10 5 0 0,348 -5 -10 0,6 C B A

Rendimiento esperado
30 25 20 15 10 5 0 -5 -10

P(F) = 0

P(F) = 1

Observando el grfico con cuidado podemos ver que hay rangos de p en los que una determinada decisin tiene el mayor valor esperado. Por ejemplo: para valores de p entre 0 y 0,385 la decisin con mayor valor esperado es la Cautelosa. Luego si p tiene un valor entre 0,348 y 0,6 la decisin adecuada es la Bsica y finalmente para valores de p mayores a 0,6 la decisin correcta es la Agresiva. Lo importante en la estimacin de la probabilidad de un estado de la naturaleza es si se encuentra en un rango en el que la decisin es consistente. Tambin permite ver si alguna variacin en la estimacin de una probabilidad implica necesariamente un cambio de la decisin, es decir, qu tan sensible es la decisin a un cambio de probabilidad.

COMPONENTES Y ESTRUCTURA

Los problemas que se pueden explorar Mediante una matriz de pagos tienen las

Pgina 26

Siguientes componentes: Decisiones alternativas Eventos que pueden ocurrir Probabilidades para cada evento Resultados de las interacciones decisiones-eventos

Las alternativas de decisin con frecuencia se les llama cursos de accin alternativos y deben ser mutuamente excluyentes. Los eventos reflejan lo que puede ocurrir si se opta por las diferentes alternativas. Algunas veces se les llama estados del mundo.

Todos estos componentes se organizan en una estructura de matris de pagos como la que se muestra a continuacin:

EVENTOS E1 (p1) D1 X11 E2 ... (p2) X12 ... Em (pm) X1m

Pgina 27

D2 Dn

X21 Xn1

X22 Xn2 ...

X2m Xnm

Los elementos de la matriz son los resultados Xij que se obtienen de la interaccin de las alternativas de decisin y los eventos. Por este motivo, estos valores tambin son expresados como funciones f(Di,Ej) que dependen de las alternativas y los eventos.

CONCLUSIN

Pgina 28

Los modelos de inventarios para demanda determinstica y probabilstica que pueden ser aplicados en la planificacin de un inventario entre otros son: Modelo EOQ, EL modelo de descuento por cantidad de compra, y los modelos probabilsticos (s,Q), y para inventarios de clase A.

Al automatizar el proceso de control del inventario se tiene informacin oportuna para la toma de decisiones, pero cabe recalcar que en nuestro pas no se llega a tener una buena calidad de datos, para afirmar que la decisin basada en la generacin de los resultados que nos presenta el sistema de control de inventario SISAI sea la ptima, debido a que el personal no registra la demanda cuando se genera si no que deja acumular los ingresos para despus realizar esta tarea.

Pgina 29

FUENTES DE INFORMACIN

[Link]

[Link]

[Link]

Hillier, F. S., Lieberman, G. J. (1997). Introduccin a la investigacin de operaciones. Mc Graw Hill. Martn, Q. (2003). Investigacin Operativa. Pearson Educacin, S. A.

Sarabia Viejo, A. (1996). La investigacin operativa : una herramienta para la adopcin de decisiones. Universidad Pontificia Comillas (ICAI-ICADE).

Pgina 30