1

TEMA 2: CONTROL
DE INVENTARIOS

Modelo EOQ
Tamaño de Lote Dinámico
Modelos Estadísticos
 2

2.1. INTRODUCCIÓN AL
CONTROL DE INVENTARIOS
 3

INTRODUCCIÓN

• La gestión de inventarios es una de las disciplinas centrales que surgió con la

organización científica del trabajo. Además, estos modelos matemáticos son

típicos en la visión clásica de la Gestión de Operaciones, por lo que son parte
esencial de su lenguaje.

• Los inventarios tienen un rol clave en el comportamiento operativo de cualquier

sistema de producción. En general, los inventarios surgen para compensar las

diferencias entre las tasas (o timing) de suministros y de demanda.

• Los modelos de inventario representan la base de técnicas más modernas, como

el MRP (Planificación de Requerimientos de Material), JIT (Just-In-Time), etc.

 4

FUNCIONES DEL INVENTARIO

1. Satisfacer la demanda del cliente esperada (promedio).

2. Suavizar requisitos de producción. Aquellas empresas que se enfrentan a
patrones cíclicos (o estacionales) de la demanda, pueden tener preparado
stock para enfrentarse a picos de demanda. Anticipation inventory.
3. Desacoplar operaciones. Los fabricantes suelen implementar buffers entre
operaciones para asegurar la continuidad de la producción ante interrupciones,
como averías. También de materias primas ante la posibilidad de que el
proveedor interrumpa el suministro. De-coupling Inventory
4. Protegerse ante roturas de stocks, provocados por retrasos o por la
variabilidad de la demanda, mediante Inventarios de Seguridad.
 5

FUNCIONES DEL INVENTARIO

5. Aprovechar ciclos de pedido. Para reducir costes de lanzamiento de pedido o
costes de configuración de máquinas (setup), puede ser más económico pedir o
fabricar por lotes. Es decir, inventario para contrarrestar la falta de flexibilidad
en las operaciones. Inventario de Ciclo.

6. Cubrirse contra aumentos en el precio (si la compañía sospecha que se va a

producir un aumento sustancial de los precios).

7. Permitir operaciones. Debido a que la producción tarda cierto tiempo, habrá

inventario de trabajo en proceso (WIP) y almacenamiento intermedio de los
bienes y materiales que fluyen a lo largo del sistema. Pipeline Inventory.

8. Aprovecharse de descuentos por cantidad (por tamaño de pedido).

 6

TIPOS DE INVENTARIO
• El inventario de materias primas ha sido comprado pero todavía no ha sido procesado.
Puede servir para desconectar (es decir, separar) a los proveedores del proceso productivo.
• El inventario de trabajos en curso (Work in Process, WIP) está formado por componentes o
materias primas que han sufrido algún tipo de transformación pero que todavía no están
terminadas. Este inventario existe por el tiempo que se necesita para fabricar un producto
(llamado tiempo de ciclo).
 7

TIPOS DE INVENTARIO

• Los inventarios MRO están compuestos por artículos de mantenimiento,

reparación y operación necesarios para mantener operativas las máquinas y los

procesos (porque la necesidad y el momento para el mantenimiento y reparación
de algunos equipos son desconocidos).

• El inventario de productos acabados se compone de los productos que ya

están acabados y esperando a ser enviados a los clientes.

Los modelos de control de inventarios suponen que la demanda de un

artículo es independiente o dependiente de la demanda de otros artículos.
 8

2.2. EOQ:
CANTIDAD ECONÓMICA DE PEDIDO
 9

EOQ: CONCEPTOS BÁSICOS

Ejemplo: MedEquip

• Pequeño fabricante de equipamiento medico de diagnóstico.

• Compra estantes metálicos en los que monta los componentes.

• El proveedor (tienda de metal local) puede fabricar y vender estantes más baratos

si se fabrican en lotes, debido a que se pierde tiempo en preparar y ajustar las

máquinas (setup cost).

• Sin embargo, MedEquip no quiere inmovilizar demasiado capital en inventario.

• ¿Cuántas estanterías debería pedir MedEquip en cada remesa? Economic

Order Quantity
 10

EOQ: CONCEPTOS BÁSICOS

• Lotes mayores reducen los costes de setup ya que requieren menor número

de cambios, mientras que lotes menores reducen inventario, debido a que

sincronizan la llegada de los materiales con su uso.

• Se necesita llegar a un equilibrio entre ambas cuestiones.

• En caso de que los materiales no se fabriquen, sino que se compren, el problema

sería idéntico, pero sustituyendo los costes de setup por los costes de hacer un
pedido.
 11

EOQ: SUPUESTOS
1. Producción Instantánea – no hay restricciones de capacidad y todo el lote se fabrica
simultáneamente.
2. Envío inmediato – no existe retraso entre la producción y la disponibilidad para satisfacer la
demanda.
3. Demanda determinista – no hay incertidumbre sobre la cantidad o cadencia de la
demanda.
4. Demanda constante a lo largo del tiempo – de hecho, se puede representar con una línea
recta.
5. Una remesa de producción incurre en un coste fijo de setup – independientemente del
tamaño del lote o el estado de la fábrica, el coste de setup es constante.
6. Los productos se pueden analizar por separado – ya sea porque hay un único producto
o existen condiciones que aseguren la separabilidad de los productos.
 12

EOQ: NOTACIÓN

• D = índice / tasa de demanda (unidades al año)

• c = coste de producción unitario, sin contar coste de inventario o setup (euros por

unidad)

• A = coste de setup o coste fijo de hacer un pedido (euros)

• h = coste unitario de almacenamiento (euros por año y por unidad); si este coste

se basa en el interés del dinero inmovilizado en el inventario, entonces h = i·c,

donde i es la tasa de interés anual.

• Q = el tamaño del pedido (Variable de Decisión)

 13

EOQ: MODELO
• Se hacen pedidos de Q unidades.

Como la demanda es constante y

Inventory

Q
determinista, el inventario medio
resulta en Q/2 unidades.

• Se lanzan D/Q pedidos al año para

Q/D 2Q/D 3Q/D 4Q/D satisfacer la demanda.

• Los pedidos se lanzan cada Q/D

Time
unidades de tiempo.
 14

EOQ: MODELO

• Coste de almacenamiento: Inventario medio multiplicado por el coste anual de

almacenar una unidad: h·Q/2

• Coste de setup: Se multiplican el número de pedidos al año por el coste de setup

de un pedido: A·D/Q

• El coste de producción de las D unidades será c·D

• Coste total anual:

hQ AD
Y (Q )    cD
2 Q
 15

• D = 1000 racks per year, c = $250, A = $500

EOQ: MODELO • h = (0.1)($250) + $10 = $35 per unit per year
20.00

18.00 • El coste de producción no depende de

16.00 Q.
14.00
• El término de almacenamiento crece
Cost ($/unit)

12.00
linealmente con Q, mientras que el
10.00 Y(Q)
término de setup decrece rápidamente
Q* =169
8.00
con Q.
6.00 hQ/2D
• El valor de Q que minimiza el coste
4.00

A/Q total ocurre exactamente cuando los

2.00 c
0.00
costes de setup y almacenamiento
0 100 200 300 400 500
están equilibrados.
Order Quantity (Q)
 16

EOQ: MODELO

• Para encontrar el valor del lote que minimiza el coste total, se deriva la expresión

del coste, se iguala a 0 y se despeja el valor óptimo de Q (tamaño de lote

económico):

dY (Q ) h AD 2 AD
  2 0 Q 
*
dQ 2 Q h

• Con la derivada segunda se comprueba que es un mínimo. En el ejemplo de

MedEquip:
2(500)(1000)
Q 
*
 169
35
 17

EOQ: INSIGHT

• La utilidad de la fórmula EOQ depende del realismo de los datos: los costes

asociados a lanzar un pedido en sistemas de compra son fáciles calcular, pero no

así los costes de setup en sistemas de fabricación dependen de varios efectos
(capacidad, variabilidad, cualidad) y no son fáciles de cuantificar.

• Existe un tradeoff entre tamaño de lote y el inventario (incrementar el tamaño

de lote incrementa el tamaño medio del inventario en mano, pero reduce la

frecuencia de pedido).

• Si el número medio de pedidos por año es F=D/Q, la inversión total en el

inventario será I=(c·Q)/2=(c·D)/(2·F)

 18

EOQ: INSIGHT
50 • Se observa que existen
45 retornos decrecientes
40
Inventory Investment

para reabastecimientos
35
30 adicionales.
25 • Si se fija la inversión
20
en inventario, se puede
15
determinar el número
10
5 de pedidos de
0 reposición y por tanto
0 20 40 60 80 100
el tamaño del lote.
Order/Year
 19

EOQ: SENSIBILIDAD AL TAMAÑO DE LOTE

• La suma de los costes de almacenamiento y setup es bastante insensible al

tamaño de lote.

• Si sustituimos el tamaño de lote óptimo en la expresión del coste total anual (se

omite el coste de producción porque no se ve afectado por Q):

*
hQ AD h 2 AD / h AD
Y (Q ) 
*
 *    2 ADh
2 Q 2 2 AD / h
 20

EOQ: SENSIBILIDAD AL TAMAÑO DE LOTE

hQ AD
• Si usamos otro tamaño de lote Q’:
Y (Q)  
2 Q
y dividimos ambos costes:

Cost (Q) Y (Q) hQ 2  AD Q 1  Q Q* 

    * 
* *
Cost (Q ) Y (Q ) 2 ADh 2  Q Q 

• Ejemplo: Si Q' = 2Q*, entonces el cociente entre el coste real y el óptimo es: (1/2)[2 +
(1/2)] = 1.25. Es decir, un error del 100% en el tamaño de lote se traduce en un error del
25% del coste anual total.
 21

EOQ: SENSIBILIDAD AL INTERVALO DE PEDIDO

• El intervalo de pedido (tiempo entre pedidos consecutivos) es T=Q/D. De esta forma, el
intervalo óptimo de pedido es:
2 AD
*
T* 
Q
 h  2A
D D hD
• Si usamos T’ en vez de T*, el cociente entre los costes totales anuales sería:

annual cost under T  1  T  T * 

  * 
annual cost under T *
2 T T 
• Esta fórmula es útil para entornos multi-producto, donde es deseable que el
reabastecimiento de diferentes productos ocurran al mismo tiempo (se comparten
camiones, se simplifica la programación de envíos, etc.)
 22

EOQ: SENSIBILIDAD AL INTERVALO DE PEDIDO

Los ítems se deben pedir en

intervalos que sean potencia Order Interval Week
de 2: cada semana, cada 2 0 1 2 3 4 5 6 7 8
1 2 0
semanas, 4 semanas, 8
semanas, etc. Los ítems cuyo
2  21
intervalo de pedido sea 2n
tendrán lanzamientos de 4  22
pedidos al mismo tiempo que
ítems con intervalos de 2k , 8  23

para todo k menor que n.

 23

EOQ: SENSIBILIDAD AL INTERVALO DE PEDIDO

• El intervalo de pedido óptimo T*, siempre estará a menos de un factor multiplicación

de √2 de un intervalo potencia de 2. Por eso, el máximo error que se puede cometer

usando la potencia de 2 más cercana es del 6%: 1 1 
 2   1.06
2 2

2m T1* 2m 2 T2* 2 m 1
divide by multiply by
less than less than
2 to get 2 to get
to 2m to 2m+1
 24

EOQ: SENSIBILIDAD AL INTERVALO DE PEDIDO

• En el ejemplo MedEquip, el lote óptimo Q* son 169 unidades, por lo que el intervalo

óptimo es T* = Q*/D = 169/1000 = 0.169 años, o lo que es lo mismo, 0.169*52 = 8.78

semanas. En caso de que la compañía haga pedidos de otros componentes del
mismo proveedor, le conviene combinar dichos pedidos y compartir transporte.

• Se redondearía el intervalo óptimo al intervalo potencia de 2 m´sa cercano, T’ = 8 ó

0.154 años. El tamaño del lote sería Q = T·D = 0.154·1000 = 154. El coste de
almacenamiento y setup sería: hQ AD 35(154) 500(1000)
Y (Q)      5942
2 Q 2 154
• Mientras que el coste óptimo anual es:
Y (Q* )  2 ADh  5916
 25

EOQ: SUPUESTOS

1. Producción instantánea

2. Envío inmediato – Este supuesto se puede eliminar añadiendo un tiempo de

entrega del pedido.

3. Demanda determinista.

4. Demanda constante.

5. Coste fijos de setup.

6. Productos únicos o separables.

 26

EOQ: PUNTO DE PEDIDO

• Se cursará un pedido cuando el

inventario llegue al Punto de Pedido:

nivel de inventario para poder atender
la demanda durante el tiempo de
entrega.

• Si d expresa la demanda por día y L

el plazo de entrega en días:

PP  d  L
• En el caso de que la demanda durante el plazo de aprovisionamiento o el propio plazo de

aprovisionamiento no sean constantes, hay que añadir un Stock de Seguridad.

 27

EOQ: SUPUESTOS

1. Producción Instantánea – no hay restricciones de capacidad y todo el lote se

fabrica simultáneamente. Se relaja mediante modelo EPL (Lote de
Producción Económico).

2. Envío inmediato.

3. Demanda determinista.

4. Demanda constante.

5. Coste fijos de setup.

6. Productos únicos o separables.

 28

EPL: ECONOMIC PRODUCTION LOT

• Existe una tasa de producción finita p, pero constante y determinista. La cantidad

producida Q será igual al producto de la tasa de producción y el tiempo.

• El nivel de inventario máximo es la producción durante el tiempo de producción

menos el consumo durante dicho tiempo: (p – d) Q/p

La producción de Q unidades lleva Q/p unidades de tiempo

Q(1-d/p)
Inventario

-d p-d
Q(1-d/p)/2

Tiempo
 29

EPL: ECONOMIC PRODUCTION LOT

h (1  d / p )Q AD
• Ahora la función de coste total es:
Y (Q )    cD
2 Q
• Y el tamaño del lote que minimiza la suma de costes de almacenamiento y setup:

2 AD
Q *

h 1  d / p 

• En caso de que p tienda a infinito, es la misma fórmula que EOQ. En caso

contrario, resulta un tamaño de lote mayor, ya que los ítems del reabastecimiento
toman tiempo en fabricarse.
 30

MODELO DE DESCUENTO POR CANTIDAD

• Un descuento por cantidad es sencillamente un precio reducido para un artículo

cuando se compra en grandes cantidades.

• Cantidades mayores para conseguir mejores descuentos también incrementan los

costes de almacenamiento. Hay que encontrar el equilibrio entre la reducción del

coste del producto y el incremento en el coste de almacenamiento.

• En este caso, los costes de almacenamiento se expresan en función del coste

unitario del producto (serán diferentes para cada tramo de descuento).

 31

MODELO DE DESCUENTO POR CANTIDAD

2 AD
• Se calcula el pedido óptimo para cada tramo. Q 
*

ic

• Si la cantidad calculada para un tramo no

pertenece al mismo, se aumenta hasta la

cantidad mínima necesaria para obtener el
descuento de dicho tramo.

• Para cada una de las cantidades corregidas, se

elige aquella que supone menor coste total.

i  c  Q AD
Y (Q )    cD
2 Q
 32

2.3. TAMAÑO DE LOTE DINÁMICO.

ALGORITMO DE WAGNER-WHITIN
 33

EOQ: SUPUESTOS

1. Producción Instantánea – Se relaja mediante modelo EPL

2. Envío inmediato – Si existe un tiempo de entrega fijo y conocido, basta con

lanzar el pedido EOQ en el momento deseado menos el tiempo de entrega.

3. Demanda determinista.

4. Demanda constante – Si varía con el tiempo, se aplica el procedimiento de

tamaño del lote dinámico (Dynamic Lot Sizing).

5. Coste fijos de setup – Si no son fáciles de calcular, se puede examinar el

Inventario VS frecuencia de pedido.

6. Productos únicos o separables.

 34

DYNAMIC LOT SIZING : NOTACIÓN

• t = un período (día, semana, mes); se considerará t = 1, … ,T, donde T representa el
horizonte de planificación.
• Dt = demanda de la semana t (en unidades).

• ct = coste de producción unitario en la semana t, sin contar coste de inventario o setup

(euros por unidad)
• At = coste de setup o coste fijo de hacer un pedido en la semana t (euros)

• ht = coste unitario de llevar una unidad de inventario de la semana t a la semana t+1

(euros por unidad por semana); si este coste se basa en el interés del dinero inmovilizado
en el inventario, entonces ht = i·ct/52, donde i es la tasa de interés anual.
• It = Inventario al final de la semana t (en unidades).

• Qt = el tamaño del pedido en la semana t (T Variables de Decisión)

 35

DYNAMIC LOT SIZING : DATOS

• Suponemos que la demanda se conoce en un horizonte de 10 semanas (por ejemplo,
resultado de un plan maestro).
• El problema consiste en satisfacer todas las demandas al coste mínimo (habrá lotes
debido a los costes de setup).
• Se debe determinar en qué momento se producirá, pero no la cantidad, ya que se
atenderá toda la demanda. Si el coste de producción es constante, se puede omitir ya que
será siempre el mismo.

t 1 2 3 4 5 6 7 8 9 10
Dt 20 50 10 50 50 10 20 40 20 30
ct 10 10 10 10 10 10 10 10 10 10
At 100 100 100 100 100 100 100 100 100 100
ht 1 1 1 1 1 1 1 1 1 1
 36

DYNAMIC LOT SIZING : LOT FOR LOT

• Una solución simple sería fabricar cada semana la demanda de dicha semana.

• Tendríamos costes de setup cada semana, por lo que no sería rentable.

t 1 2 3 4 5 6 7 8 9 10 Total
Dt 20 50 10 50 50 10 20 40 20 30 300
Qt 20 50 10 50 50 10 20 40 20 30 300
It 0 0 0 0 0 0 0 0 0 0 0
Setup cost 100 100 100 100 100 100 100 100 100 100 1000
Holding cost 0 0 0 0 0 0 0 0 0 0 0
Total cost 100 100 100 100 100 100 100 100 100 100 1000
 37

DYNAMIC LOT SIZING : FIXED ORDER QUANTITY

• Otra posibilidad es fabricar una cantidad fija cada vez que se ajusta / prepara la

máquina (o la línea de fabricación). Se reduce el coste de setup pero se incurre

en gastos al arrastrar el inventario.

t 1 2 3 4 5 6 7 8 9 10 Total
Dt 20 50 10 50 50 10 20 40 20 30 300
Qt 100 0 0 100 0 0 100 0 0 0 300
It 80 30 20 70 20 10 90 50 30 0 0
Setup cost 100 0 0 100 0 0 100 0 0 0 300
Holding cost 80 30 20 70 20 10 90 50 30 0 400
Total cost 180 30 20 170 20 10 190 50 30 0 700
 38

PROCEDIMIENTO WAGNER – WHITIN

• Debido a los costes de setup, toda la demanda de un período se debe fabricar en

dicho período o en el anterior, pero no parte de la demanda en cada uno.

• Propiedad Wagner-Whitin: Si la política de pedidos es óptima, o el inventario

que se arrastra al período t+1 desde un período anterior es cero, o la

cantidad que se fabrica en el período t+1 será cero.

• Esta propiedad implica que o Qt=0 o Qt será suficiente para satisfacer la demanda

en la semana actual más la demanda de un número entero de semanas futuras

(Q t=Dt+D t+1+…+D t+k para un cierto k).
 39

PROCEDIMIENTO WAGNER – WHITIN

• En el procedimiento, se empieza en la semana 1 y se termina con la T. En una

semana se fabricará sólo si el inventario con el que se empieza esa semana es

nulo. En ese caso, hay que determinar el número de semanas de demanda que
se fabricarán. Por ejemplo, en un problema de 6 semanas, hay 6 posibilidades
para la semana 1. Si se decide fabricar D1+D2, hay que fabricar de nuevo en la
semana 3.

• Zt* mostrará el coste mínimo para fabricar y jt* indica el ultimo período en el que

se fabrica para un problema con horizonte de planificación t semanas.

 40

PROCEDIMIENTO WAGNER – WHITIN

• Paso 1: Simplemente satisfacer D1 (se obvia el coste de producción porque es el

mismo para todas las opciones). Z1* indica el coste mínimo para el problema de 1
semana y j1* la última semana de fabricación en el problema de 1 semana:

Z1*  A1  100
j1*  1  A1  h1 D2 , produce in 1
Z  min  *
*
2
• Paso 2: Dos opciones, o j2* = 1 o j2* = 2. Z1  A2 , produce in 2
Si se fabrica en la semana 1, hay que incluir 100  1(50)  150
 min 
 100  100  200
el coste de mantener el inventario, mientras que
 150
la semana 2 incluye un coste extra de setup.
j2*  1
 41

PROCEDIMIENTO WAGNER – WHITIN

• Paso 3: Tres opciones: j3* = 1, 2,
 A1  h1 D2  (h1  h2 ) D3 , produce in 1

3. Hay que tener en cuenta que Z 3*  min Z1*  A2  h2 D3 , produce in 2
ya se resolvieron los problemas  Z*2  A3 , produce in 3
de 1 y 2 semanas (si se fabrica 100  1(50)  (1  1)10  170

 min 100  100  (1)10  210
en el período 3, ya se sabe que
150  100  250
es óptimo fabricar para las
 170
semanas 1 y 2 en la semana 1).

• Usar soluciones de pasos previos j3*  1

reduce el cálculo y es parte de la
programación dinámica.
 42

PROCEDIMIENTO WAGNER – WHITIN

• Paso 4: Cuatro opciones:
 A1  h1 D2  (h1  h2 ) D3  (h1  h2  h3 ) D4 , produce in 1
j4* = 1, 2, 3, 4. Z*  A  h D  (h  h ) D , produce in 2

Z 4*  min  1* 2 2 3 2 3 4
Resulta que es óptimo
 Z 2  A3  h3 D4 , produce in 3
atender la demanda de la  Z*3  A4 , produce in 4
semana 4 con fabricación 100  1(50)  (1  1)10  (1  1  1)50  320
de dicha semana. 100  100  (1)10  (1  1)50  310

 min 
Lo cual nos deja con un 150  100  (1)50  300
problema de 3 semanas, en
170  100  270
el cual es óptimo fabricar  270
D1+D2+D3=80 en la semana
1, ya que j3*=1. j4*  4
 43

PROCEDIMIENTO WAGNER – WHITIN

• Paso 5: Hasta ahora, en cada paso teníamos que incrementar el número de

semanas que se consideraban para la fabricación (se consideraba la posibilidad

fabricar desde la semana 1 hasta la más reciente).

• Sin embargo, ahora hemos calculado que fabricar en la semana 4 para satisfacer la

demanda de dicha semana es más barato que fabricar en las semanas 1, 2 ó 3 e

incurrir en los costes de mantener inventario. Si pensamos en la semana 5, nunca
fabricaremos en semanas anteriores a la 4, ya que siempre será más caro fabricar
en una semana anterior y arrastrar hasta la 4 que fabricar en la 4.
Propiedad del Horizonte de Planificación: Si jt*=t’, el siguiente período en el que se
fabrique en una política óptima de t+1 períodos debe estar en el conjunto t’,
t’+1,…t+1.
 44

PROCEDIMIENTO WAGNER – WHITIN

• Paso 5: Dos opciones: j5* = 4, 5.
 Z 3  A4  h4 D5 , produce in 4
*
Z 5  min  *
*

 Z 4  A5 , produce in 5
170  100  1(50)  320
 min 
 270  100  370
 320

j5*  4

• Paso 6: Tres opciones: j6* = 4, 5,

6.
 45

PROCEDIMIENTO WAGNER – WHITIN

• En el problema de 10
Last Period Planning Horizon (t)
semanas, j10*=8, por lo que with Production 1 2 3 4 5 6 7 8 9 10
1 100 150 170 320
es óptimo fabricar en la 2 200 210 310
semana 8 la demanda 3 250 300
4 270 320 340 400 560
desde la semana 8 a la 10. 5 370 380 420 540
6 420 440 520
• En el problema de 7 7 440 480 520 610
semanas, j7*=4, por lo que 8 500 520 580
9 580 610
es óptimo fabricar en la 10 620
Zt 100 150 170 270 320 340 400 480 520 580
semana 4 la demanda
jt 1 1 1 4 4 4 4 7 7 or 8 8
desde la semana 4 a la 7. Produce in period 1 Produce in period 4 Produce in period 8
for 1, 2, 3 (20 + 50 + for 4, 5, 6, 7 (50 + 50 + for 8, 9, 10 (40 + 20 +
Q4*=D4+D5+D6+D7=130 10 = 80 units) 10 + 20 = 130 units) 30 = 90 units
 46

PROCEDIMIENTO WAGNER – WHITIN

jk* indica el último período de producción en un problema de k períodos. SE fabricará
exactamente Dk+…DT en el período jk*. Luego se consideran los períodos 1, … , jk*-1
como si fueran un problema independiente de jk*-1 períodos.

• Nota: se fabricaría en la semana 7 para un problema de 8 semanas, pero esto nunca

ocurre (hay que partir de que tenemos un problema con un horizonte de 10 semanas).

t 1 2 3 4 5 6 7 8 9 10 Total
Dt 20 50 10 50 50 10 20 40 20 30 300
Qt 80 0 0 130 0 0 0 90 0 0 300
It 60 10 0 80 30 20 0 50 30 0 0
Setup cost 100 0 0 100 0 0 0 100 0 0 300
Holding cost 60 10 0 80 30 20 0 50 30 0 280
Total cost 160 10 0 180 30 20 0 150 30 0 580
 47

WAGNER – WHITIN: ADVERTENCIAS

• Aunque es un procedimiento fácil de implementar y resolver en un ordenador, tiene

una serie de inconvenientes:

1. Asume que los costes de setup son conocidos, cuando en realidad son difíciles de
estimar (se ven muy influenciados por la capacidad: mayores costes cuanto más
cerca esté la tasa de producción de la capacidad). Por tanto, es mejor para
sistemas de compras que de fabricación.

2. Asume demanda y producción deterministas, por lo que al final hay que reducir el
esquema óptimo para acomodar el inventario que sobre de cancelaciones de
pedidos o inflarlo para considerar posibles pérdidas de rendimiento.
 48

WAGNER – WHITIN: ADVERTENCIAS

3. Los productos rara vez son independientes. Es decir, productos diferentes
normalmente hacen uso de recursos comunes.

4. En el mundo real, la capacidad es finita y es más sensato un plan de producción

nivelado (aproximadamente la misma cantidad cada semana), que pueda lograr
cierto ritmo en la línea.
 49

2.4. MODELOS ESTOCÁSTICOS

 50

MODELOS ESTOCÁSTICOS DE INVENTARIO

Hasta ahora se ha supuesto que la demanda es conocida (por ejemplo, cuando la

planificación está “congelada” en un cierto horizonte, como en sistemas MRP). Si la
demanda es incierta:
• Se pueden usar modelos de demanda determinista y acomodar la solución para
tener en cuenta la incertidumbre (con márgenes adicionales como S.S.).
• Se puede tener en cuenta la incertidumbre en el propio modelo: Modelos ROP
(Reorder Point) son los modelos probabilísticos más usados:
1. Determinar la cantidad de pedido: cantidad de inventario que se producirá o comprará con
cada reabastecimiento.
2. Determinar el punto de pedido: nivel de inventario en el que el pedido reposición se lanzará.
 51

MODELO DEL VENDEDOR DE PERIÓDICOS

News-vendor: debe comprar periódicos al principio del día, vender una cantidad
aleatoria y desechar los restantes. Se aplica también a productos de temporada
(ejemplo: árboles de Navidad).

• La cantidad a producir / comprar se debe decidir por adelantado

• Los productos sobrantes se venden a precio de saldo (los costes de mantener

inventario hasta el siguiente año son elevados).

• Si no hay inventario disponible en el momento, las ventas se pierden (se produce

una rotura de stock).

 52

NEWSVENDOR: SUPUESTOS

1. Se suponen productos separables: no se comparten recursos ni hay demanda

correlacionada.

2. La planificación se lleva a cabo para un único período: no se arrastra inventario entre

períodos).

3. La demanda es aleatoria y se puede caracterizar mediante una distribución conocida.

4. Las entregas se realizan con anticipación a la demanda: todo el stock está disponible
para atender a la demanda.

5. Los costes de excedente (sobrante) o escasez (rotura) son lineales: proporcionales

a la cantidad de excedente (sobrante) o escasez (rotura).
 53

NEWSVENDOR: NOTACIÓN

Q es la variable de decisión.

X  demanda (en unidades); es una variable aleatoria

F ( x )  P ( X  x ), función de distribución de la demanda;
se supone continua
d
f ( x)  F ( x )  función de densidad de la demanda
dx
co  coste (en euros) por unidad sobrante (o=overage)
cs  coste (en euros) por unidad de rotura (s=shortage)
Q  cantidad de pedido o producción (en unidades)
 54

NEWSVENDOR: FUNCIÓN DE COSTE

Función de coste:
Se tendrán costes por Y ( x)  expected overage  expected shortage cost
exceso (sobrante) cuando
la demanda sea menor
 co E units over  c s E units short 
que el tamaño Q a
producir, mientras que se  
 co  max Q  x,0 f ( x )dx  cs  max  x  Q ,0 f ( x )dx
tendrán pérdidas por 0 0
Q 
rotura de stock cuando la  co  ( x  Q ) f ( x )dx  cs  ( x  Q ) f ( x )dx
0 Q
demanda sea mayor que
Q.
 55

NEWSVENDOR: TAMAÑO ÓPTIMO

• Si se encuentra el mínimo de la función de coste (derivando respecto a Q e igualando

a 0), se obtiene la cantidad óptima de pedido Q* (fórmula de la fracción crítica):

F (Q * )  P  X  Q *  
cs
co  cs

• Q* se debe elegir de forma que la probabilidad de (tener suficiente stock para)

atender la demanda sea igual a la fracción crítica.

 56

NEWSVENDOR: TAMAÑO ÓPTIMO

• Las funciones de distribución son siempre monótonas crecientes, por lo que cualquier

incremento de la fracción crítica implicará un incremento del tamaño de lote.

• Por tanto, Q* incrementará con subidas del coste de rotura y disminuirá con subidas

del coste de exceso:

Q*  co
1
cs F(x)
Q *  cs co  c s

Q*
 57

NEWSVENDOR: TAMAÑO ÓPTIMO

• Si suponemos que la demanda se distribuye según una normal X con media μ y

desviación típica σ, entonces la fórmula del cociente crítico se reduce a (Z es una

variable aleatoria que sigue una Normal Estándar y Φ(z) es su función de distribución):

 Q *
    Q *
  cs
F (Q )  P ( X  Q )  P  Z 
* *
   
      co  c s
Q*   cs
 z donde   z   Q*    z 
 co  c s

• Si el cociente es mayor que 0.5 (z positiva), Q* crecerá con μ y con σ.

 58

TIPIFICAR DISTRIBUCIÓN NORMAL

Para obtener la probabilidad de que una Variable Aleatoria Normal sea menor que un determinado valor x:
Excel: =[Link](x,μ,σ,TRUE)
 X  x x x
P( X  x )  P     P ( Z  )   ( )
     
Para conocer qué valor de una Variable
Aleatoria Normal no es superado con una cierta
probabilidad p (Z es la Normal Estándar y Φ(z) P(Z<z)=Φ(z)
P(Z>z)
su función de distribución):

P( Z  z )  p Excel: =[Link](p,μ,σ)

x
z=  x    z  z

 59

TABLA DISTRIBUCIÓN NORMAL ESTÁNDAR

 60

NEWSVENDOR: EJEMPLO
• La demanda para las luces de Navidad sigue una normal de media 10,000 y desviación típica

1,000 unidades. El coste de un conjunto de luces es de 5€, y se distribuye y vende por 10€.
Cualquier conjunto no vendido se le aplicará un descuento y se venderá por 2,5€

• El coste por exceso es la cantidad que se pierde en un lote que no se venda: co = 5 – 2.5 =

2.5€

• El coste por rotura de stock es equivalente a la pérdida de beneficios por no materializar una

venta: cs = 10 – 5 = 5€

• Directamente se observa que los costes por rotura de stock son peores que los costes por

producir en exceso.
 61

NEWSVENDOR: EJEMPLO
• Primero se calcularía la fracción crítica: cs 5
  0.67
co  cs 2.5  5

• Por tanto debemos pedir suficientes luces como para tener un 67% de probabilidad de

satisfacer la demanda. Consultando la tabla de la normal estándar, Φ(0.44) = 0.67, por lo que
z=0.44, y el tamaño del pedido:

Q *    z  10000  0.44  1000  10440

• Se observa que la fórmula nos indica que el tamaño del pedido sea 0,44 desviaciones estándar

por encima de la media.

 62

NEWSVENDOR: MÚLTIPLES PERÍODOS

• Se puede aplicar la fracción crítica a problemas de múltiples períodos (sistemas de revisión

periódica), en los que se cumplan las siguientes condiciones:

1. Que las demandas de cada período sean independientes y tengan la misma distribución F(x).

2. Que las roturas de stock se puedan perder o que sean “backordered” (se atienden después).

3. Que no exista coste de setup asociado con el lanzamiento de un pedido.

• Hay que asegurarse que co represente el coste de mantener una unidad en inventario durante

un período y cs sea igual al beneficio de una unidad (coste de romper stock) o igual al coste de
arrastrar un pedido no atendido durante un período.
 63

NEWSVENDOR: MÚLTIPLES PERÍODOS

• En este caso una política “order-up-to Q” sería óptima (en cada período, producir / pedir para

llevar el nivel de inventario a Q), con Q calculado por el método del vendedor de periódicos.
 64

NEWSVENDOR: EJEMPLO
• Una tienda vende helados por 15€, mientras que el coste de comprar al mayorista es de 10€.

Después de observar meses pasados, se observa que se promedió una demanda (incluyendo
roturas de stocks) de 25 helados a la semana. Se usará una tasa de interés anual del 25% para
costes de mantener inventario.

• El proceso se distribuye según una Poisson (teoría de los procesos de llegada), por lo que la

desviación típica de la Normal será la raíz cuadrada de la demanda de la media: σ = 5

(Esta aproximación de una Poisson por una Normal es aceptable siempre que la media de la
Possion no sea demasiado pequeña).
 65

NEWSVENDOR: EJEMPLO
• El coste por comprar más cantidad al mayorista de la que venda: co = 10(0.25/52) = 0.048

• El coste por rotura de stock equivale a la pérdida de beneficio unitario: cs = 15 – 10 = 5

cs 5
• La fracción crítica es 0.99   0.99
co  cs 0.048  5

• El nivel de inventario óptimo será 37, ya que Φ(2,326) = 0.99, por lo que Q* = 25 + 2.326(5) =

36.63. Es decir, el propietario tendrá que mirar su inventario cada semana y debería pedir
suficiente cantidad como para llevar su inventario a 37 unidades.
 66

NEWSVENDOR: CONCLUSIONES
1. La cantidad óptima de pedido o de producción dependen tanto de la distribución de la
demanda como del coste relativo de sobreproducir vs romper stock.

2. Si la demanda se distribuye normalmente, a mayor demanda media mayor será la cantidad

óptima de pedido.

3. Incrementar la variabilidad (desviación estándar) incrementa la cantidad óptima de pedido si

cs / (co+ cs) > 0.5 y la decrementa si (co+ cs) < 0.5
 67

MODELO DEL STOCK BASE

• Ejemplo: una tienda vende un determinado modelo de frigorífico. Debido a que el

espacio es limitado y a que el distribuidor hace envíos frecuentes de otros

electrodomésticos, la tienda encuentra práctico lanzar pedidos cada vez que se
realiza una venta.

• Sin embargo, como el fabricante tarda tiempo en completar un pedido de

reabastecimiento, la tienda debe mantener cierto stock para poder atender la

demanda del cliente. ¿Cuánto stock debe mantener?
 68

MODELO DEL STOCK BASE: SUPUESTOS

1. Los productos se pueden analizar individualmente.

2. La demanda ocurre de forma unitaria (no hay pedidos en lote).

3. La demanda insatisfecha se atenderá más adelante (existe backorder).

4. Los tiempos de entrega son fijos y conocidos.

5. Los reabastecimientos ocurren de forma unitaria. No hay costes de setup o

limitación en el número de pedidos al año, por lo que no hay remesas.

6. La demanda se puede aproximar por una distribución continua (buena

aproximación excepto cuando la demanda que ocurre durante el tiempo de
entrega del reabastecimiento es muy baja).
 69

MODELO DEL STOCK BASE: NOTACIÓN

Q = 1, tamaño del pedido (fijo en 1)
r = punto de pedido (en unidades). Nivel de inventario que lanza una orden de reabastecimiento. Variable de Decisión

l = tiempo de entrega del envío, se asumen constante

μ = demanda media durante el tiempo de entrega, E[X]
 = desviación estándar de la demanda durante el tiempo de entrega
f(x) = función de densidad de probabilidad de la demanda durante el tiempo de entrega
F(x) = función de distribución de la demanda durante el tiempo de entrega p(X<=x)
h = coste de mantener una unidad en el inventario durante 1 año (en euros por unidad por año)
b = coste de tener una unidad de backorder durante 1 año (en euros por unidad por año)
S(R) = nivel de servicio (tasa de pedidos atendidos) promedio
B(R) = nivel de backorder promedio
I(R) = nivel de inventario en mano (disponible) promedio
 70

MODELO DEL STOCK BASE: NOTACIÓN

• Se monitorea de forma continua el inventario y se lanza un pedido de reabastecimiento

cuando la posición de inventario cae hasta el punto de pedido r.

Posición de Inventario = Inventario disponible – backorders + pedidos en curso

• El Inventario disponible (en mano) es el inventario que se encuentra físicamente en stock,

backorders los pedidos del cliente que han tenido lugar pero no se han atendido y los pedidos en
curso aquellas solicitudes de reabastecimiento que no han llegado. El inventario disponible menos los
backorders a veces se nombra como Inventario Neto.

• Por tanto, la Posición de Inventario representa el inventario que posee la compañía pero que no se ha

asignado todavía a clientes.

 71

MODELO DEL STOCK BASE: NOTACIÓN

7
En este sistema, siempre
que la posición de 6

inventario alcanza r, se
r+1 5

lanza un pedido de
r 4 l On Hand Inventory
reabastecimiento de 1, por Backorders
Orders
lo que la posición de 3
Inventory Position

inventario siempre se 2

mantiene en r+1. Y se 1

denomina nivel de stock

0
base. 0 5 10 15 20 25 30 35
Time
 72

MODELO DEL STOCK BASE: NOTACIÓN

• μ es la demanda esperada durante el tiempo de entrega l del reabastecimiento. Cuando se hizo el

pedido había r ítems en stock o en camino, con los que se atenderá la demanda del cliente durante el
tiempo l . Por tanto, cuando llegue el pedido, habrá s = r – μ unidades en inventario, que se define
como el stock de seguridad.

• Debido a que μ es constante, encontrar el punto óptimo de pedido r equivale a encontrar el nivel

óptimo de stock de seguridad s o el nivel óptimo de stock base (r+1).

• Se puede obtener el nivel óptimo de stock base minimizando la función de coste o a partir del nivel

de servicio deseado (menor stock base que obtiene dicho nivel).

 73

MODELO DEL STOCK BASE: NIVEL DE SERVICIO

• Una vez que se realiza un pedido, tenemos r ítems en mano o en camino para atender la demanda

que ocurre antes de que el pedido realizado llegue. Por tanto, la única posibilidad de que el pedido
llegue “tarde” es que la demanda durante el tiempo de envío sea mayor o igual a r+1. Por tanto, el
nivel de servicio (probabilidad de que se atienda la demanda del cliente con stock, es decir,
probabilidad de que no haya rotura) es:

S ( r )  1  P( X  r  1)  P( X  r  1)  F ( r  1)

• Representa una forma razonable de medir la tasa de satisfacción del cliente. Si la demanda se

distribuye según una Normal:

 r 1  
S ( r )  F ( r  1)    
  
 74

MODELO DEL STOCK BASE: NIVEL DE BACKORDER

• En cualquier momento, el número de pedidos es exactamente igual a la demanda (variable aleatoria

X) que tuvo lugar durante las últimas unidades de tiempo:

Inventario en mano – Backorders = r + 1 – X

• El inventario en mano y los backorders nunca son cero al mismo tiempo, por lo que para un

determinado momento:  0 si x  r  1
Backorders  
x  r 1 si x  r  1
• El valor esperado de backorders será: 
B( r )   ( x  r  1) f ( x )dx
r 1

• La expresión se puede simplificar si la demanda está distribuida según una Normal:

z  r  1    / B( r )     r  1 1   ( z )   ( z )
 75

MODELO DEL STOCK BASE: NIVEL DE INVENTARIO

• Si se consideran los niveles esperados en la expresión:

Inventario en mano – Backorders = r + 1 – X

nos queda la expresión:

I ( r )  r  1    B( r )

• I(r) = inventario en mano esperado

 76

MODELO DEL STOCK BASE: EJEMPLO

• En el ejemplo de los frigoríficos, la demanda de los frigoríficos es de 10 unidades al mes

(suponemos que sigue una distribución de Poisson) y el tiempo de reabastecimiento es de 1 mes. Por
tanto, la demanda media durante el tiempo de entrega es μ = 10 unidades. Se puede aproximar por
una Normal con desviación típica es la raíz de 10: 3.16.

• Para puntos de pedido r=13 y r=14, los niveles de servicio son:

 14  10   15  10 
S (13)       1.26   0.896 S (14)       1.58  0.942
 3.16   3.16 
• Por lo que se necesita un punto de pedido de 14 unidades para conseguir una tasa de satisfacción del

90%. Eso significa que el stock de seguridad será s = r – μ = 14 – 10 = 4 unidades. Y calculando el

nivel de backorder (z=1.58):
B(14)  (10  14  1)[1   (1.58)]     (1.58)  0.077
 77

MODELO DEL STOCK BASE: EJEMPLO

• φ(z) se refiere a la función densidad de probabilidad de la Normal Estándar; φ(1.58) = 0.114

Excel: =[Link](1.58,1,0,FALSE)
Excel: =[Link](15,10,3.16,FALSE)

• El nivel promedio de inventario en mano es:

I ( r )  r  1    B( r )  14  1  10  0.077  5.077

• Si se aumenta el punto de pedido de 14 a 15, la tasa de satisfacción aumenta al 97%, el nivel de

backorder baja a 0.035, pero el nivel promedio de inventario aumentaría a 6.035, lo que implica un
aumento en los costes.
 78

MODELO DEL STOCK BASE: DETALLES

• Cuanto mayor sea la demanda media μ durante el tiempo de reabastecimiento, mayor nivel de

stock base se requerirá para conseguir una determinada tasa de satisfacción. (El punto de pedido r
debe contener suficiente inventario como para cubrir la demanda hasta que llegue el pedido.
Cualquier el nivel de servicio superior al 50%, requiere r mayor que μ).

• La variabilidad de la demanda σ también afecta al nivel de stock base, ya que cuanto mayor σ,

menor será Φ(r+1- μ)/σ, y un valor más alto del punto de pedido r se requerirá para mantener un
cierto nivel de servicio.
 79

MODELO DEL STOCK BASE: FUNCIÓN DE COSTE

• Suma de los costes de mantener inventario más los costes de backorder:

Y ( r )  h  I ( r )  b  B( r )
 h( r  1    B( r ))  b  B ( r )
 h( r  1   )  (b  h ) B( r )

• El valor del punto de pedido r que minimiza esta función de coste viene dado por:

b
F ( r  1) 
*

bh
(fijar base stock level para obtener una tasa de satisfacción de b/(b+h))
 80

MODELO DEL STOCK BASE: FUNCIÓN DE COSTE

• Por analogía con el caso de la fracción crítica, se concluye que:

r*  1    z  

donde z cumple que Φ(z)=b/(b+h)

• El tamaño óptimo del punto de pedido r* incrementa con la media de la demanda durante el tiempo

de reabastecimiento, y con la desviación típica siempre que z > 0, lo cual suele ocurrir ya que el
coste de backorder suele mayor que el de mantenimiento y por tanto b/(b+h) > 0.5.
 81

MODELO DEL STOCK BASE: EJEMPLO

• En el ejemplo de los frigoríficos, suponemos un coste unitario de 750€, con una tasa de interés del

2% por mes, por lo que h = 0.02(750) = 15€ por unidad al mes. Y se estima el coste de backorder en
25€ por unidad al mes (valor del descuento).
b 25
  0.625  (0.32)  0.625
b  h 25  15
r *  1    z    10  0.32(3.16)  11.01  11
• Para este valor de r, el nivel de servicio será:

 r *
1    11  10 
S (r )          0.316   0.62
*
 
    3.16 
• Para obtener una mayor tasa de satisfacción (aumentando r) deberíamos haber supuesto mayor b.
 82

MODELO DEL STOCK BASE: DETALLES

1. Los puntos de pedido controlan la probabilidad de romper stock estableciendo un stock de

seguridad.

2. El nivel de stock base que se requiere para una determinada tasa de satisfacción crece con la
media y con la variabilidad de la demanda durante el tiempo de abastecimiento.

3. Fijado el coste de mantenimiento, se debe usar un nivel de servicio mínimo (límite en el servicio)
o un coste de backorder para determinar el nivel de stock base.

4. Este modelo se usa en otras situaciones, como para las órdenes de trabajo de las líneas de
producción multi-etapa, en dónde se establece un nivel de stock base para cada buffer de
inventario de dicha línea. Cuando un ítem se elimina del buffer, se lanza un pedido de
reabastecimiento. (Tarjetas Kanban).
 83

MODELO (Q,r)
Tiene lugar una Revisión Continua del Inventario, con las siguientes Variables de Decisión:

• Punto de pedido r

• Cantidad de pedido Q (en el Base Stock Model, Q = 1)

Cuando la Posición de Inventario alcanza el punto de pedido, se lanza un pedido de tamaño Q.

 84

MODELO (Q,r) Para Q=4 y r=4, La Posición de Inventario está uniformemente

distribuida entre r+1=5 y r+Q=8

9
• Se muestra el nivel de inventario 8

neto (inventario a mano menos 7

6
backorder) y la posición de
5

inventario (inventario neto más

Quantity
4

3
pedidos de reabastecimiento).
2

0
• La demanda es aleatoria, pero se 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32
-1

supone que llega una cada vez. -2

Time

Inventory Position Net Inventory

 85

MODELO (Q,r)

• La cantidad de pedido Q afecta al inventario de ciclo (cantidad para evitar costes excesivos de

reabastecimiento). Valores elevados de Q implican pocos reabastecimientos al año pero altos niveles
de inventario, y viceversa.

• El punto de pedido r afecta al inventario de seguridad (cantidad para evitar roturas de stock). Un

nivel alto del punto de pedido conlleva un nivel de inventario alto, pero una baja probabilidad de
rotura, y viceversa.

Por tanto, el Modelo (Q,r) sintetiza el modelo EOQ (inventario de ciclo) con el modelo de Stock Base
(inventario de seguridad).
 86

MODELO (Q,r) NOTACIÓN

D  demanda esperada al año (en unidades)
  tiempo de entrega de reabastecimiento
X  demanda durante el tiempo de entrega (en unidades). Variable Aleatoria
  E[ X ]  demanda esperada (en unidades) durante el tiempo de entrega
  desviación típica de la demanda durante el tiempo de entrega
f(x)  P( X  x )  función densidad de probabilidad de la demanda durante el tiempo de entrega
F ( x )  P( X  x )  función de distribución de la demanda durante el tiempo de entrega
A  coste de setup o pedido (en euros)
c  coste unitario de producción (en euros por unidad)
h  coste unitario anual de mantener inventario (en euros por unidad por año)
k  coste de rotura de stock (en euros)
b  coste unitario anual de backorder (en euros por unidad por año)
 87

MODELO (Q,r) NOTACIÓN

Variables de Decisión:

Q  cantidad de pedido
r  punto de pedido
s  r    inventario de seguridad (implícito con r)

Medidas de Rendimiento:

freq(Q )  frecuencia de pedido (número de pedidos al año)

S (Q, r )  nivel de servicio (tasa de satisfacción) promedio
B(Q, r )  nivel promedio de backorder
I (Q, r )  nivel promedio de inventario
 88

MODELO (Q,r) NOTACIÓN

Objetivos:

min coste de pedido  coste de mantener inventario  coste de backorder 

Q,r

ó:
min coste de pedido  coste de mantener inventario  coste de rotura
Q,r

Por tanto, se tendrán 2 modelos, según si se asume un coste de rotura k fijo cada vez que no se pueda
atender la demanda del cliente, o si hay un cargo b por unidad no atendida (backorder) por unidad de
tiempo (coste proporcional al tiempo que espera la demanda en ser atendida).
 89

COSTE DE SETUP

D
freq(Q) 
Q

• Si se conoce el límite de pedidos de reabastecimiento al año, se puede calcular Q = D/freq

• Si el coste de lanzar un pedido es A, el coste anual de setup será (D/Q)A.

 90

COSTE DE ROTURA DE STOCK

• El coste de rotura de stock es proporcional al número medio de roturas por año (el cual será la

demanda anual por la probabilidad de rotura, complementario del nivel de servicio: D[1-S(Q,r)])

• Si en un momento determinado, la posición de inventario es x, la demanda número x+1 será

atendida con inventario siempre que la demanda durante el período de entrega sea menor o igual a x,
lo cual tiene probabilidad F(x).

• Dado que la Posición de Inventario varía entre r y Q+r (en realidad sería a partir de r+1, pero

estamos suponiendo distribuciones continuas):

1 r Q 1
S(Q , r)   F ( x )dx  1  B( r )  B( r  Q )
Q r Q
 91

COSTE DE ROTURA DE STOCK

• Debido a que la fórmula anterior puede plantear problemas en modelos de optimización, se pueden

usar las aproximaciones.

• Nivel de Servicio Tipo I (usa la fórmula del modelo Base Stock):

S(Q , r)  F ( r )

• Nivel de Servicio Tipo II: (no tiene en cuenta B(r,Q)):

B( r )
S(Q , r)  1 
Q
 92

COSTE DE BACKORDER

• El coste de backorder será proporcional al nivel promedio de backorder: b·B(Q,r)

• Para calcular B(Q,r), se promedia el nivel de backorder para todas las posiciones de inventario entre

r y r+Q:
1 r Q 1
B(Q , r)   B( x )dx   ( r )   ( r  Q )
Q r Q

2
donde  ( x ) 
2
   1 1  ( z )  z ( z )
z 2
 y z   x    /

• Se puede aproximar con el nivel de backorder del modelo Base Stock:

B(Q , r)  B( r )
 93

COSTE DE MANTENER INVENTARIO

Se representa la variación 7

del Nivel de Inventario

s+Q 6
para demanda determinista,
5
con parámetros Q=4, r=4, Inventory Level
4
μ=2 y tiempo de entrega 2.
3

s 2

0
0 5 10 15 20 25 30 35

Time
 94

COSTE DE MANTENER INVENTARIO

• En promedio, el nivel de inventario varía desde Q+s hasta s+1, por lo que:

(Q  s )  ( s  1) Q  1 Q 1
I (Q , r )   s r
2 2 2

• Sin embargo, como la demanda es variable, a veces ocurren backorders. Pero como el inventario en

mano no puede tomar valores negativos, hay que ajustar la expresión anterior:

Q 1
I (Q , r )   r    B (Q , r )
2
 95

MODELO CON COSTE DE BACKORDER

• La suma de costes de setup (o lanzamiento de pedido), backorder y mantener inventario resulta:

D
Y (Q, r )  A  bB (Q, r )  hI (Q, r )
Q

• Esa función depende de Q y r, por lo que complica la optimización. Aplicando la aproximación de

B(Q,r) por B(r):

~ D Q  1 
Y (Q , r )  Y (Q , r )  A  bB( r )  h   r    B ( r )
Q  2 
 96

MODELO CON COSTE DE BACKORDER

• Se puede demostrar que la cantidad óptima de pedido y el punto óptimo de pedido vienen dados por:

2 AD
Q *

h
b
F (r ) 
*
 r *    z
hb
dónde se ha supuesto que la demanda se distribuye según una Normal, para calcular z.

• Se observa que el cálculo de Q* viene dado por la fórmula EOQ y la expresión de r* coincide con la

fracción crítica.
 97

MODELO CON COSTE DE BACKORDER

• Debido al uso de aproximaciones, los valores de Q* y r* son también aproximados. Por tanto, hay

que comprobar las medidas de rendimiento (frecuencia de pedido, tasa de satisfacción, nivel de
backorder e inventario promedio).

• Si el rendimiento no es adecuado, habrá que reajustar los parámetros de coste. Sobre todo el coste de

setup A (depende de la máquina y rendimiento) y el coste de backorder b (depende de la reputación

de la compañía y voluntad del cliente), que son los más difíciles de estimar.
 98

MODELO CON COSTE DE ROTURA

• La suma de costes de setup, rotura de stock y mantener inventario resulta:

Y (Q , r )  A  kD1  S (Q , r )  hI (Q , r )
D
Q

• Aplicando la aproximación del Nivel de Servicio Tipo II y la aproximación de B(Q,r) por B(r):

~ D B( r ) Q  1 
Y (Q , r )  Y (Q , r )  A  kD  h  r    B ( r )
Q Q  2 
 99

MODELO CON COSTE DE ROTURA

• Se puede demostrar que la cantidad óptima de pedido y el punto óptimo de pedido vienen dados por:

2 AD
Q *

h
kD
F (r ) 
*
 r *    z
kD  hQ

dónde se ha supuesto que la demanda se distribuye según una Normal, Φ(z)=kD/(kD+hQ)

• Ahora el punto de pedido depende de Q. De hecho, valores mayores de Q reducen el punto de

pedido (se requiere un menor punto de pedido para logar una determinada tasa de servicio).
 100

EJEMPLO MODELO (Q,r)

El gerente de mantenimiento tiene que llevar el inventario de partes de repuesto. La demanda es aleatoria
porque las averías son impredecibles y existe un coste de setup considerable.
• D = 14 unidades por año
• c = $150 por unidad
• h = 0.2 × 150 = $30 por unidad
• l = 45 días
• μ = (14 × 45)/365 = 1726 unidades durante el tiempo de entrega
• A = $15
• b = $100
• k = $40
• La demanda durante el tiempo de entrega sigue una Poisson.
 101

EJEMPLO MODELO (Q,r)

• Para el modelo de coste de backorder:

2 AD 2 (15 )(14 )
Q*    3 .7  4
h 30

b 100
  0 .769
b  h 100  30

 ( 0 .736 )  0 .769 , z  0 .736

r *    z   1 .726  0 .736 (1 .314 )  2 .693  3

 102

EJEMPLO MODELO (Q,r)

• Para el modelo de coste de rotura, el tamaño óptimo del pedido sería el mismo, pero difiere el punto

de pedido:

kD 40 (14 )
  0 .824
kD  hQ 40 (14 )  30 ( 4 )

 ( 0 .929 )  0 .824 , z  0 .929

r *    z   1 .726  0 .929 (1 .314 )  2 .946  3

 103

EJEMPLO MODELO (Q,r)

• Ambos modelos llevan a la misma política de inventario en este ejemplo: Q=4, r=3

• Incrementar b ó k implicará un aumento en el servicio y reducción del nivel de backorder (a cambio

de un nivel de inventario mayor).

• Las medidas de rendimiento para una política Q=4, r=3:

• Se lanzarán pedidos de reabastecimiento 3.5 veces al año (freq=3.5)

• La tasa de satisfacción es del 97.1%

• Hay 0.017 backorders en promedio

• El inventario en mano promedio 3.79 unidades

 104

EJEMPLO MODELO (Q,r)

• Se puede llevar a cabo un análisis de sensibilidad para encontrar variantes de la solución:

• Si aumentamos la frecuencia del lanzamiento de pedidos a 7, el tamaño del pedido será Q=14/7=2

• Si se mantiene r=3, la tasa de satisfacción:

1
S (2,3)  1  B( r )  B( r  Q )  1  1 2 0.116  0.003  0.943
Q
• Si este nivel de servicio se considera bajo, podemos aumentar el punto de pedido a 4:

1
S (2,4)  1  B( r )  B( r  Q )  1  1 2 0.022  0.0002   0.989
Q
• Con esta política, se tiene B(2,4)=0.005 y I(2,4)=3.78, por lo que se ha reducido el promedio de

backorder y de inventario, a costa de aumentar la frecuencia de pedido.

 105

EJEMPLO MODELO (Q,r)

• Un método alternativo para el análisis de sensibilidad (y muy eficiente para el caso de varios

productos), es modificar el coste de pedido A hasta que la frecuencia de pedido sea satisfactoria y
luego variar el coste de backorder b o el de rotura k , hasta que la tasa de satisfacción o el nivel de
backorder sean aceptables.
 106

VARIABILIDAD EN TIEMPO DE ENTREGA

• Los tiempos de entrega pueden ser variables, lo cual incrementa la variabilidad de la demanda

durante el tiempo de entrega.

L = tiempo de entrega (número de días). Variable aleatoria

l = E[L] = tiempo de entrega esperado (número de días)
L = desviación típica del tiempo de entrega (número de días)
Dt = demanda en el día t (unidades). Variable aleatoria. Se asume que Dt tiene la
misma distribución cada día y que son independientes unas de otras
d = E[Dt] = demanda diaria esperada (unidades)
D = desviación típica de la demanda diaria
 107

VARIABILIDAD EN TIEMPO DE ENTREGA

• X es la demanda (variable aleatoria) durante el tiempo de entrega y μ es su media:

L
X   Dt E X   E LE Dt   d  
t 1

• Sin embargo, si los tiempos de entrega son variables, la Varianza de X es (suma aleatoria de

variables aleatorias):
Var  X   E LVar Dt   E Dt  Var L    D2  d 2 L2
2

• Si la demanda sigue una Poisson, su desviación típica es igual a la raíz de la media, por lo que:

  Var  X    D2  d 2 L2  d  d 2 L2    d 2 L2

• Por tanto, infla la variabilidad de la demanda sobre el caso de tiempo de entrega constante.
 108

VARIABILIDAD EN TIEMPO DE ENTREGA: EJEMPLO

• En el ejemplo del Stock Base, la demanda de los frigoríficos erade 10 unidades al mes y el tiempo

de entrega de 1 mes, por lo que la demanda diaria = 1/3. Además, los costes de mantener inventario
y de backorder eran, h=15 y b=15, respectivamente, lo que daba lugar a una fracción crítica de
0.625 y z=0.32.

• El nivel óptimo de stock base será:

r *  1    z    z   d 2 L2

• Si la desviación típica del tiempo de entrega es 0, el mismo valor para r*+1 (11.01). Pero si por

ejempolo aumenta hasta 30, se obtendría r*+1=13.34. Las unidades adicionales de inventario se
necesitan para obtener el mismo nivel de servicio ante una variabilidad mayor.
 109

MODELO (Q,r): DETALLES

• El inventario de ciclo incrementa conforme decrece la frecuencia de pedido.

• El stock de seguridad proporciona un colchón contra roturas de stock.

• Sin embargo, el tamaño del pedido también afecta al nivel de servicio S(Q,r), de forma que si dicho

tamaño Q hay menos posibilidades de rotura porque el nivel de inventario se acerca menos veces al
punto de pedido r.
 110

MODELO (Q,r): DETALLES

1. Incrementar la demanda anual D incrementa el tamaño óptimo de pedido Q*.

2. Aumentos en la demanda anual o en los tiempos de entrega (ambos conllevan aumentos en la

media de la demanda), requieren más inventario (mayor punto de pedido r).

3. Incrementar la variabilidad de la demanda aumenta el punto de pedido r (mayor inventario de

seguridad contra roturas).

4. Cuanto más caro sea mantener inventario (mayor coste h), menor serán tanto el tamaño como el
punto de pedido.
 111

INVENTORY POOLING

• Se tienen piezas diferentes con demanda aleatoria Normal (μ,σ) durante el tiempo de entrega.

• z=2 para todas las piezas (nivel de servicio sobre 97.5%), con Stock Base

Inventario Inventario de
Inventario Especializado:
de Ciclo Seguridad
• Nivel de Stock Base para cada ítem: μ + 2·σ

• Nivel de Stock Base total: ·μ +2· ·σ Inventario de Seguridad total: 2· ·σ

Inventario Agregado: se supone que las piezas son sustitutas entre ellas.

• Demanda durante el tiempo de entrega sigue una Normal ( ·μ, ·σ)

• Nivel de Stock Base total: ·μ + 2 ·σ Inventario de Seguridad total total: 2 ·σ

• Ratio de inventario de seguridad agregado a especializado: 1/

 112

INVENTORY POOLING
El inventario de ciclo no se ve
afectado por el agregamiento, pero
el inventario de seguridad necesario
decrece sustancialmente. Por tanto,
para sistemas que tienen un
inventario de seguridad elevado, el
agregamiento es una estrategia
interesante (mediante diseño del
producto, personalización tardía,
etc.).
 113

GESTIÓN DE INVENTARIOS: CONCLUSIONES

1. Siempre hay un trade-off entre setups e inventario. Cuando aumenta la frecuencia de

reabastecimiento, disminuye el inventario de ciclo.

2. Siempre hay un trade-off entre servicio al cliente e inventario. Un aumento en la tasa de

satisfacción requiere más inventario de seguridad.

3. Siempre hay un trade-off entre variabilidad e inventario. Si fijamos la frecuencia de

reabastecimiento y el nivel de servicio, cuanto más variabilidad más inventario será necesario.
 114

GESTIÓN DE INVENTARIOS: SISTEMAS DE CAJAS

• Para controlar cuándo se alcanza la cantidad
de pedido, se pueden diferenciar los ítems:
almacenar la cantidad correspondiente al
punto de pedido más inventario de seguridad
en una segunda caja. De forma que cuando se
agote la caja 1, se haga el pedido (porque se
ha alcanzado el punto de pedido).

• No es necesario que sean cajas (pueden ser

estantes, etiquetas o diferentes formas de
colocar las unidades).
 115

GESTIÓN DE INVENTARIOS: SISTEMAS ABC

Cuando se tienen varios
productos, siempre habrá ítems
con mayor valor que otros. Los
de mayor prioridad (valor)
deben tener un seguimiento más
riguroso (revisión continua VS
revisión periódica).

• Clase A: 20% del total de unidades, que representan el 80% del valor total.

• Clase B: siguiente 30% del total de unidades, que representan el 10% del valor total.

• Clase C: unidades con bajo valor, que suponen el 50% del total de unidades.