Control de

INVENTARIOS

SEMANA 4

[ FSICA DE PLANTA ]

SEMANA N. 0 4

LECTURA 1: CONTROL DE INVENTARIOS

En la primera lectura de control de inventarios, se explic la importancia del papel de los
inventarios dentro de los diferentes elementos de la cadena de abastecimiento de la
empresa y cmo su gestin afectaba la operacin.
Los primeros modelos desarrollados en esa lectura brindaron una idea clara de las variables y
aspectos ms importantes que se deben tener en cuenta a la hora de tomar decisiones
inherentes a los inventarios. Sin embargo, recuerde que cada uno de los modelos all
mencionados, se basaba en una serie de supuestos muy fuertes, los cuales fueron
modificados o suavizados con cada nuevo modelo. Uno de los supuestos ms importantes a
considerar en cualquier modelo es el que da razn acerca del comportamiento de la
demanda. Dentro de los modelos tratados anteriormente se asuma una demanda
determinstica. Es decir que sin importar si la demanda era constante o variable, se asuma
que esta era conocida y se trabajaba el modelo con dicha informacin.
La importancia de este supuesto radica en que la persona encargada de la toma de
decisiones puede asumir una demanda determinstica, pero la realidad es que no es posible
predecir el comportamiento de la demanda con certeza absoluta. Luego, el tomador de
decisiones puede asumir un comportamiento de demanda diferente, un comportamiento
que involucre la incertidumbre y riesgo asociados a la realidad de la situacin. Cuando se
tiene en cuenta la incertidumbre, y los valores de la demanda tienen asociada una
probabilidad de ocurrencia, se dice que se asume una demanda estocstica. Este nuevo
supuesto es el que vamos a tomar para desarrollar el siguiente modelo de inventarios.
Dicho esto, y puesto que la demanda estocstica tiene una incertidumbre asociada, se
introducir al nuevo modelo con un corto resumen de variables aleatorias de probabilidad y
funciones de distribucin estadsticas.

VARIABLE ALEATORIA Y DISTRIBUCIONES DE PROBABILIDAD
Diferentes ciencias y disciplinas han querido hacer inferencias acerca de comportamientos en
la poblacin y el mundo en general. En el caso de los inventarios, es importante estar en
capacidad de hacer inferencias del comportamiento de la demanda. Para tener nocin de ese
comportamiento, debemos conocer bsicamente dos cosas: el conjunto de valores que
puede tomar la demanda y la probabilidad asociada a cada uno de esos valores. A dicho
conjunto de valores se le conoce como el espacio muestral. De esta manera, se va a definir

[ POLITCNICO GRANCOLOMBIANO ]

una variable aleatoria como la funcin que asocia un nmero real (probabilidad) con cada
uno de los valores del espacio muestral.
Un ejemplo de definicin de una variable aleatoria relacionada con la demanda sera:

X: Nmero de unidades a vender en el mes de enero.

Tabla 1: Espacio muestral y porcentaje de probabilidad.
Espacio muestral
100
80
60

Probabilidad
35%
55%
10%

Fuente: Elaboracin propia.

Para definir de manera ms fcil las variables aleatorias, se crearon distribuciones de
probabilidad, las cuales pueden describir el comportamiento de una serie de valores
determinados de forma clara y resumida. Estos permiten calcular, de manera ms eficiente,
las probabilidades asociadas a los diferentes valores y para fines de esta lectura, se
explicarn las tres distribuciones de probabilidad ms usadas en el campo de la
administracin de inventarios.

Distribucin uniforme:
Una de las distribuciones de probabilidad ms sencillas es la distribucin uniforme. Esta
funcin se caracteriza por dar igual peso a todos los valores del intervalo que componen el
espacio muestral. Tambin conocida como la distribucin rectangular, su funcin de
densidad, media, varianza y grfica son las siguientes:

[ FSICA DE PLANTA ]

Figura 1: Funcin y grfica de una variable aleatoria uniforme.

Fuente: tomado el 15 de enero de 2013 de
http://es.wikipedia.org/wiki/Distribuci%C3%B3n_uniforme_continua

Al integrar la funcin de densidad de probabilidad que por notacin se define como !(!),
podemos obtener la funcin de densidad acumulada que por notacin se define como ! (!) ,
de tal manera que se pueda calcular la probabilidad de un intervalo completo de valores que
se encuentre dentro del espacio muestral:

0 ; ! < !
!!
; ! ! < !
!! =
!!
1; ! !

Distribucin normal:
Otra de las distribuciones de probabilidad ms usadas es la distribucin normal. Esta funcin
es denominada la ms importante en el campo estadstico gracias a que su aproximacin

[ POLITCNICO GRANCOLOMBIANO ]

puede describir la mayora de fenmenos de la naturaleza, la industria y la ciencia. Se

caracteriza por su simetra y su forma de campana. Su funcin de densidad, media, varianza y
grfica son las siguientes:

Figura 2: Funcin y grfica de una variable aleatoria normal.

Fuente: tomado el 15 de enero de 2013 de
http://es.wikipedia.org/wiki/Distribuci%C3%B3n_normal

Consecuentemente su funcin de densidad acumulada sera:

!!

!! =

!!

! ! =
!!

!!

1
2!! !

(!!!)
!! ! !"

[ FSICA DE PLANTA ]

Para facilitar la resolucin de problemas se crearon tablas de la funcin de densidad

acumulada de una distribucin de una variable aleatoria normal con media 0 y varianza 1.
Esta distribucin se conoce como la distribucin normal estndar y su funcin acumulada es
la siguiente:
!=

!

!

! = !"#$% !"#$%"&' !" !" !"#$%$&'&(%( (# !" ! !"# !" !"#$! !" !)


Distribucin exponencial:
A pesar de que la distribucin normal puede ser usada para resolver varios problemas de
cualquier tipo, existen numerosas situaciones que requieren de otro tipo de distribuciones.
La distribucin exponencial se caracteriza por modelar tiempos entre eventos, lo que la hace
muy til en el campo de la ingeniera. Su funcin de densidad, media, varianza y grfica son
las siguientes:

[ POLITCNICO GRANCOLOMBIANO ]

Figura 3: Funcin y grfica de una variable aleatoria normal.

Fuente: tomado el 15 de enero de 2013 de
http://es.wikipedia.org/wiki/Distribuci%C3%B3n_exponencial

Recuerde que debido a la relacin que tiene la distribucin exponencial con el proceso
Poisson, la funcin de densidad se puede formular en trminos de la tasa de la siguiente
forma:

! ! = !! !!"

Integrando su funcin de densidad acumulada en trminos de sera:

!! = 1 ! !!"

[ FSICA DE PLANTA ]

Con esta corta introduccin de probabilidad, podemos empezar a desarrollar un modelo de

inventarios estocstico:

MODELO DEL VENDEDOR DE PERIDICOS NEWS VENDOR

Supuestos del modelo
Este primer modelo se basa en supuestos muy fuertes. Supuestos que van a ir siendo
suavizados posteriormente a medida que se desarrollen los otros modelos. Los supuestos
sobre los que se desarrolla este son:

Produccin instantnea: no hay restricciones de capacidad y el lote completo es

producido simultneamente sin importar el tamao.
Demanda estocstica: la demanda es aleatoria con una distribucin de probabilidad
conocida.
Costos de alistamiento fijos.
Costos lineales por defecto o exceso.
Entrega Inmediata: no hay tardanzas entre la produccin y el momento de la entrega.
nico producto.

Notacin
! = !"#$%&$ !" !"#$%$&', !" !"# !"#$"%&' !"#!$%&'!.
! ! = ! ! ! , !"#$%! !" !"#$%!&! !"#$#%!&! !" !" !"#$%!$.
! ! =

!
! ! = !"#$%! !" !"#$%!&! !" !" !"#$%!$.
!"

!! = !"#$" !"# !"#$%$ !"#$#%&! !" !"#$%&'#. !"#$%& ($)

!! = !"#$" !"# !"#$%$ !"#$"%$& !" !"#$%&'#. !"#"$%& $
! = !"#$%&"& ! !"#$%&" !" !"#$%$&'. !" !" !"#$"%&' !" !"#$%$!.

Costos asociados
La funcin de costos se construye sumando el costo por exceso y el costo por faltantes:
! ! = !"#$" !"#!$%&' !" !"#$%&'(! + !"#$" !"#!$%&' !" !"#$"%$&'

[ POLITCNICO GRANCOLOMBIANO ]

= !! ! !"#$%$&' !"#$%&'(! + !! ![!"#$%$&' !"#$"%$&']

!

= !!

max ! !, 0 ! ! !" + !!

= !!

(Q x)
!

max ! !, 0 ! ! !"
!

! !" + !!

(x Q) ! ! !"
!

Note que en cualquier periodo se pueden tener sobrantes o faltantes pero no ambos. En
promedio las dos cantidades sern positivas.
Si queremos minimizar el costo, derivamos la funcin de costo con respecto a Q e igualamos
a cero y se obtiene:

! ! = ! ! ! =

!!

!! + !!

Figura 4: Grfica de funcin de costo de un modelo de new vendor

!!
!! + !!

Fuente: Elaboracin propia

Note que costo mnimo se encuentra en el punto de inflexin de la grfica donde los costos
de faltantes y sobrantes tienden a ser iguales.

[ FSICA DE PLANTA ]

La idea de este anlisis es encontrar el nivel de servicio que le permita atender la demanda
necesaria para minimizar sus costos. A partir de ese nivel de servicio obtenido, usted tendr
los parmetros necesarios para despejar Q de la funcin de densidad acumulada
correspondiente a la distribucin especfica de la demanda en estudio.

Ejemplo:
Imagine que la seleccin Colombia clasifica al mundial de ftbol y una pequea empresa de
camisetas aprovecha la situacin para sacar diseos especiales alusivos a los jugadores
durante el mes que dura el torneo. El precio de la camiseta es de $15. A la empresa le cuesta
producir cada camiseta exactamente $10. Por otro lado, si el torneo termina y no se venden
todas las camisetas, estas tendrn que rematarse a $8 cada una. Suponga que la demanda se
comporta exponencial con media 1000 durante el mes que dura el mundial. Calcule la
cantidad ptima de camisetas a producir para la temporada del mundial.

Primero se definen las variables con el fin de utilizarlas correctamente en las ecuaciones.
! ! = ! ! ! = ! !!!"
!! = $!" $! = $!
!! = $!" $!" = $!

Paso a seguir, se debe encontrar el nivel de servicio que equilibra los costos de sobrantes
y faltantes.

!!
!
=
= !. !"#
!! + !! ! + !

Ahora s se puede igualar el nivel de servicio con la funcin de densidad acumulada de la
demanda y hallar el Q ptimo.

1!

!
!"""

= 0.714

! = !"#$

10

[ POLITCNICO GRANCOLOMBIANO ]

Ahora suponga que la demanda se distribuye normal con media 1000 y desviacin estndar
100. Cmo afectara la nueva distribucin el tamao del lote para el mes del mundial de
ftbol?
El nivel de servicio sigue siendo el mismo pero ahora el despeje debe hacerse con
respecto a los parmetros de la nueva distribucin.
! 0.714 = 0.57
Revisar tablas de la distribucin normal
! !
= 0.57
!
! = ! + !"
! = 1000 + 0.57 100
! = !"#$

[ FSICA DE PLANTA ]

11