Facultad de Ingeniería MANEJO DE INVENTARIOS DE ÍTEMS INDIVIDUALES
|
|
- Sergio Ávila Silva
- hace 6 años
- Vistas:
Transcripción
1 Facultad de Ingeniería Escuela de Ingeniería Industrial y Estadística Curso: Sistemas de Almacenamiento e Inventarios MANEJO DE INVENTARIOS DE ÍTEMS INDIVIDUALES Profesor: Julio César Londoño O
2 Sistemas con Demanda Aproximadamente Constante
3 Preguntas Básicas para la Administración de Inventarios Cada cuánto debo revisar el nivel de inventario? Cuándo debo hacer un pedido? Qué cantidad debo pedir?
4 Sistemas de Control de Inventarios Sistemas con demanda determinística Modelo EOQ Demanda variante con el tiempo Sistemas de inventarios con demanda probabilística Sistemas de revisión continua Sistemas de revisión periódica
5 Sistemas de control de Inventarios Con Demanda Determinística
6 Notación básica utilizada en los sistemas de control s : Punto de reorden, o sea el nivel de inventario efectivo para el cual debe emitirse una nueva orden Q : Cantidad a ordenar en cada pedido S : Número máximo del inventario hasta el cual debe llenarse R : Número de unidades de tiempo que transcurren entre cada consulta del inventario
7 Definiciones básicas Inventario a mano: Es el inventario que está físicamente en la estantería Inventario neto: Inventario a mano ordenes pendientes por cumplir - Backorders. Puede llegar a ser negativo. Inventario efectivo o Inventario de posición: Inventario a la mano + pendientes por llegar - requisiciones pendientes con clientes- comprometidos. Inventario de seguridad: Nivel promedio de inventario líquido justo antes llegar un pedido. Atiende la demanda durante el tiempo de aprovisionamiento.
8 Costo total relevante es la función a optimizar (minimizar) TRC(Q) AD/Q Qvr/2 Costo $ Costo de cargar el inventario Qvr/2 Costo de ordenar AD/Q Costo Total TRC Figura. Costos en función de la cantidad ordenada Cantidad Q
9 Nivel de inventario Modelo EOQ Q Pendiente D Q/D Tiempo Comportamiento del nivel de inventario con el tiempo Supuestos básicos del modelo: Los parámetros no cambian con el tiempo La demanda es determinística Lead Time es cero El pedido se realiza cuando el nivel del inventario es cero
10 El costo mínimo es el punto donde la tangente de la curva de costo total es cero δtrc(q) 0 δq vr AD 0 2 Q Q óptimo TRC(Q ó EOQ óptimo ) 2AD vr 2ADvr Ejemplo: Considere un ítem con las siguientes condiciones: Demanda unidades/año, costo unitario $40, el costo fijo por ordenar es $3.200, además suponga que el valor de llevar el inventario (r) es de 0.24$/($/año). EOQ 2 x $ 3200 x 2400 unids / año $ 40 / unid. x $ / $ / año 1265 unidades unidades
11 El costo total relevante es: TRC(EOQ) 2 x3200x2400x40x0. 24 $ El tiempo entre pedidos es: Tiempo Q 1265/2400 D años O sea cada 192 días aproximadamente Q (1 p)eoq Porcentaje de costo Análisis de sensibilidad penalizado TRC(Q ) TRC(EOQ) PCP x100 TRC(EOQ) 2 p PCP 50 1 p % costo penalizado Q =(1 + p)eoq p
12 Ejemplo: Suponga que para el ejemplo anterior se determinó ordenar un 20% mas en unidades del ítem pcp 50x (1 0.20) 1.666% Conclusión: La cantidad a ordenar se incremento en 20% y el costo solo incremento en un 1.6 %
13 Descuentos por cantidad Q Q d) (1 v Q Q 0 v v Dv r/2 Qv AD/Q TRC(Q) Q Q 0 Para d) (1 Dv (1 - d)r/2 Qv AD/Q TRC(Q) Q Q Para 0 0 1
14 Caso A Q óptimo = Q 1
15 Caso B Q óptimo < Q 1
16 Caso C Q 1 < Q óptimo
17 Paso 1. Calcule EOQ con descuento Paso 2. Compare EOQ d, con Q 1, si es mayor es óptimo (caso 3), sino vaya al paso 3 Paso 3. Evalúe TRC(Q 1 ) y TRC(Q) sin descuento, si TRC(Q! ) es menor, en Q 1 es óptimo y es el caso B. Ejemplo: Considere tres ítems diferentes cuyas características se muestran en la siguiente tabla: ÍTEM D (Unidades/Año) v 0 ($/Unidad) A ($/orden) r (%/año) El proveedor que proporciona estos ítems ofrece un descuento del 5% sobre el valor de cada ítem para tamaños de órdenes mayores o iguales que Q 1 = 200 unidades para los ítems 1 y 3 y de Q 1 = 1,000 unidades para el ítem 2. Determinar el tamaño óptimo de pedido para cada uno de los
18 Cálculos para el Ítem 1: EOQ(v EOQ(v o 1 ) ) 2(6.000)(14.500) ( )(0.36) 2(6.000)(14.500) ( * 0.95)(0.36) 35 unidades 36 unidades Tamaño de lote óptimo con descuento es inferior a 200 unidades CTR(Q (6.000)(14.500) (35)( )(0.36) 35) ( )(14.500) millones $/año CTR(Q (6.000)(14.500) (200)( * 0.95)(0.36) 200) ( * 0.95)(14.500) millones $/año El CTR mínimo corresponde a Q 1 = 200 unidades
19 Cálculos para el Ítem 2: EOQ(v EOQ(v o 1 ) ) 2(6.000)(1.500) (15.000)(0.36) 2(6.000)(1.500) (15.000* 0.95)(0.36) 58 unidades 60 unidades Tamaño de lote óptimo con descuento es inferior a unidades CTR(Q 58) (6.000)(1.500) $/año (58)(15.000)(0.36) 2 (1.500)(15.000) CTR(Q (6.000)(1.500) (1.000)(15.000* 0.95)(0.36) 1.000) (15.000* 0.95)(1.500) millones $/año El CTR mínimo corresponde a Q = 58 unidades
20 Cálculos para el Ítem 3: EOQ(v o ) 2(6.000)( ) (68.000)(0.36) 262 unidades EOQ(v 1 ) 2(6.000)( ) (68.000* 0.95)(0.36) 269 unidades Tamaño de lote óptimo es superior a 200 unidades CTR(269) (6.000)(14.500) $/año (269)(68.000* 0.95)(0.36) 2 (68.000* 0.95)( ) CTR(Q 200) (6.000)( ) $/año (200)(68.000* 0.95)(0.36) 2 (68.000* 0.95)( ) El CTR mínimo corresponde a Q 1 = 269 unidades
21 Modelo con tasa finita de reposición Nivel de inventario Q(1 - D/m) Q Pendiente m - D Pendiente D Q/D Tiempo m corresponde a una tasa finita de producción (reposición) FREOQ 2AD vr(1 D m) AD Q(1 D m)vr TRC(Q) Q 2 EOQ* 1 (1 D m)
22 Ejemplo Un fabricante de productos químicos para el aseo produce sus propios envases plásticos para un cierto ítem. Los datos para este ejemplo son los siguientes Demanda de envases D: 240 unidades/día. El costo de preparación de cada lote de envases A: $150,000 Tasa de producción m: 600 unidades/día. El valor de cada envase v: $15,000 Costo de mantenimiento del inventario r 32% anual. Cuál es el tamaño óptimo de producción, si se trabaja 360 días El tamaño óptimo se calcula como sigue: EOQ 2( )(240* 360) (15.000)(0.32) FREOQ EOQ* 1 (1 D m) ( )* 1 ( ) Unids.
23 Conclusión El tiempo de producción es: unid./600 unid./día = 5 días Durante estos 5 días, se consumen: 5 días 240 unid./día = unidades envases restantes pasan a inventario duran en inventario 7.5 días Por lo tanto, el ciclo completo es de: 5 días días = 12.5 días
24 Demanda variante con el tiempo
25 Supuestos básicos La demanda Dj es la demanda que debe ser satisfecha en el período j, j = 1, 2,..., N. Se asume que los pedidos llegan al comienzo de los períodos donde son requeridos. (LT determinístico se puede manejar también) No se consideran descuentos. Los factores de costo no varían significativamente dentro del horizonte de análisis. Se considera cada ítem independiente de los otros. No se consideran faltantes de inventario. Se considera que el costo de inventario se carga sobre el inventario al final de cada período.
26 Cantidad unidades Un ejemplo Mes Demanda Total Demanda mensual Meses A : $54 por pedido v : $20.oo por unidad r:.02 $/$ por mes Determinar las cantidades a ordenar
27 Política de lote por lote Mes Total Inv. Inicial Pedido Demanda Inv. Fina Costos totales de preparación = 12 pedidos $54/pedido = $648.0 Costos de llevar el inventario = 0 unidmes $20/unid 0.02 $/$mes = 0.0 Costos totales de preparación e inventario = $ Inventario promedio (convención final de mes) = 0/12 = 0 unidades. Rotación del inventario = Demanda/Inv. promedio = No definida
28 Política de pedir para tres períodos Mes Total Inv. Inicial Pedido Demanda Inv. Fina Costos totales de preparación = 4 pedidos $54/pedido = $ Costos de llevar el inventario = 1,118 unidmes $20/unid 0.02 $/$mes = Costos totales de preparación e inventario = $ Inventario promedio (convención final de mes) = 1,118/12 = unidades Rotación del inventario = Demanda/Inv. promedio = 1,200/93.17 = 12.88
29 Uso de la cantidad económica de pedido EOQ 2AD EOQ vr D Demanda (Dado que el promedio durante el costo de mantener horizonte de está asociado a un planeación período) D EOQ Requerimientos totales Horizonte de planeación 2(54)(100) (20)(.02) unidades 100 Unidades/mes La cantidad a ordenar se obtiene redondeando EOQ a los requerimientos de un número entero de períodos más próximo, ya sea por exceso o por defecto
30 Resultados utilizando el EOQ Mes Total Inv. Inicial Pedido Demanda Inv. Fina Costos totales de preparación = 8 pedidos $54/pedido = $ Costos de llevar el inventario = 528 unidmes $20/unid 0.02 $/$mes = Costos totales de preparación e inventario = $ Inventario promedio (convención final de mes) = 528/12 = 44 unidades. Rotación del inventario = Demanda/Inv. promedio = 1,200/44 = 27.27
31 Otras políticas Ordenar para un número entero de periodos, T EOQ = EOQ/D promedio Ordenar exactamente EOQ
32 Un modelo de programación lineal entera mixta (1) DEFINICIÓN DE PARÁMETROS Y VARIABLES: Di= Demanda del período i, i = 1, 2,, N X ij = Cantidad Ordenada en el período i para ser utilizada satisfaciendo la demanda del período j; i = 1, 2,, N, j = 1, 2,,N, j i, donde N es el número de períodos considerados en el horizonte bajo análisis Y i = 1, si se realiza un pedido en el período i, i= 1, 2,, N; 0 lo contrario Función objetivo: Minimizar C = Costos de ordenamiento + costos de almacenamiento N AYi ( vr)(1) X ij ( vr)(2) i1 ( vr)( N 2) 2 N 1 i1: ji1 X ij i1: ji N 2 ( vr)( N 1) N 2 ij i1: ji2 1 X X ij i1: ji N 1...
33 Un modelo de programación lineal entera mixta (2)
34 Un modelo de programación lineal entera mixta (3) b) Restricciones lógicas (no se pueden tener unidades disponibles en cada período, sino se ha efectuado un pedido): N j N i j Y Di X * Y 1 =1 (en el período 1 se debe hacer un pedido ya que el inventario inicial es cero) N j N i j Y Di X * N j N i j Y Di X * N N j N N N i j N Y Di X * N N j N N N i Nj Y Di X *
35 El Heurístico de Silver-Meal Este método fue desarrollado por Silver y Meal (1973) Ha demostrado un funcionamiento satisfactorio cuando el patrón de demanda es muy variable, donde el método del lote económico de pedido y otros métodos heurísticos no producen buenos resultados. El criterio de este método es, minimizar los costos de ordenamiento y mantenimiento del inventario por unidad de tiempo.
36 El Heurístico de Silver-Meal Sea CTR(T) el costo total relevante asociado con un pedido que dura T períodos. El costo total relevante por unidad de tiempo, CTRUT(T), será entonces CTR(T)/T, o más precisamente: CTRUT ( T) CTR( T) T A Costos de Mantenimiento de Inventario T
37 El método inicia con el período 1, para el cual CTR(1)/1 = A/1 = A; Para el período 2, para el cual CTR(2)/2= [A + D 2 vr(1)]/2; Para el período 3, para el cual CTR(3)/3 = [A + D 2 vr(1) + D 3 vr(2)]/3; y así sucesivamente hasta que se observe que el costo por unidad de tiempo se incrementa de un período a otro.
38 En este momento se para el proceso y se define la cantidad a ordenar en el período 1 igual a la suma de las demandas de los períodos para los cuales no se incrementó el costo total relevante por unidad de tiempo. El proceso comienza de nuevo a partir del período T para el cual se incrementó el CTR(T)/T por primera vez, y se continúa de esta manera hasta el final del horizonte de planeación.
39 El Heurístico de Silver-Meal Este método no garantiza la optimalidad, puede verse atrapado en un mínimo local, ha demostrado tener muy buenos resultados en la práctica. Ejemplo anterior A= $54 v= $ 20/caja r= 0.02 $/($/mes) $24.80 = D(2)vr = 62(20)(0.02) $34.40 = D(2)vr + 2D(3)vr = 62(20)(0.02) + 2(12)(20)(0.02)
40 Cuando la demanda no es muy variable, los resultados de este método y el del EOQ no difieren significativamente. Para determinar cuándo utilizar uno u otro método, recuérdese el coeficiente VC. Se ha encontrado a través de estudios experimentales lo siguiente: Si VC < 0.2, entonces puede utilizarse el método del EOQ con la demanda promedio sobre el horizonte de planeación, ya que produce buenos resultados. Si VC >= 0.2, entonces se sugiere utilizar el heurístico de Silver-Meal.
41 La aplicación del heurístico de Silver-Meal en casos para los cuales el patrón de demanda decrece rápidamente con el tiempo a través de varios períodos, o cuando existe un gran número de períodos demanda igual a cero, no produce buenos resultados. Para estos casos, por lo tanto, sería recomendable utilizar el modelo matemático previamente descrito.
42 Taller en clase Resuelva el ejercicio de clase con el heurístico de Silver
43 Sistemas de inventarios con demanda probabilística
44 Formas de revisión del inventario 1. Sistema de revisión continua: Teóricamente revisa el nivel del inventario a cada momento, como esto es casi imposible en la práctica, se revisa cada vez que ocurre una transacción. 2. Sistema de revisión periódica: Se revisa el nivel del inventario cada R unidades de tiempo, obviamente se R tiende a 0, se convierte en un sistema de revisión continua.
45 Sistemas de control continuo Sistema (s, Q) Sistema (s, S) Sistemas de control periódico Sistema (R, S) Sistema (R, s, S)
46 Sistemas de control continuo Sistema (s, Q) Sistema (s, S)
47 Sistemas de control continuo Sistema de inventario (s, Q)
48 Sistemas de control continuo Sistema de inventario (s, S)
49 Las demandas no atendidas 1. El cliente espera que llegue un aprovisionamiento para que la orden sea completada. Se dice que se crea un Backorder 2. El cliente va donde otro proveedor para satisfacer su necesidad. Venta perdida Dependiendo de estas dos situaciones se puede definir el inventario de seguridad
50 Criterios para la definición de inventarios de seguridad SS SS basados en factores constantes: Utiliza un factor constante de tiempo para determinar el inventario de seguridad. SS basado en el costo de faltantes. B 1 Especificado por cada ocasión que ocurren faltantes. B 2 v Especificado por cada unidad de faltante B 3 v Especificado por cada unidad faltante por unidad de tiempo. SS Tiempo promedio especificado entre ocurrencia de faltantes TBS SS basado en el servicio al cliente P 1 probabilidad de no tener un faltante en el ciclo de reposición P 2 fracción especificada de la demanda a ser satisfecha rutinariamente del inventario a la mano
51 Notación básica sistema (s, Q): D : Rata de demanda en unidades/año P u (K) : Probabilidad que la normal unitaria (0, 1) tome un valor mayor o igual a k p u 1 ( k ) e 2 k 2 u o 2 du 0 K L : Factor de seguridad : Tiempo de reposición en años G u (K) : Función especial de la distribución normal N(0, 1) G u( k ) (u k 0 1 k ) e 2 u 2 0 du 0
52 Q r s SS v : Tamaño de pedido en unidades : Costo de mantenimiento del inventario %/año : Punto de reorden en unidades : Inventario de seguridad en unidades : Valor unitario del ítem en $/unidad xˆ L : Demanda esperada sobre el tiempo de reposición L, en unidades σˆ L : Desviación estándar de los errores de los pronosticos sobre el tiempo de reposición L en unidades
53 Curva de distribución probabilística Normal f x (x 0 ) 2 σ x 1 1 (x0 x) exp 2π 2 σ x σ x - 2σ x - 1σ x x 1σ x 2σ x 3σ x x 0
54 Curva de distribución probabilística Normal Estándar f u (U 0 ) 1 2π exp( U 2 0 2) Riesgo de agotados Área P P u u (k) prob(u k) (k) k f u (U 0 )du k U 0
55 Curva de probabilidad de ocurrencias de agotados 1,20 1,00 p u (k) k f u (U 0 )du 0 0,80 0,60 G (k) u k p u (k) 0,40 0,20 Riesgo de agotados en unidades 0,00-4,0-3,0-2,0-1,0 0,0 1,0 2,0 3,0 k
56 Punto de reorden Se calcula como la demanda esperada durante el tiempo de reposición mas un factor de seguridad que es una fracción que corresponde a k veces la desviación estándar s xˆ L SS xˆ L k L
57 EUFCR: Valor esperado de unidades faltantes en el ciclo de reposición EUFCR EUFCR s s (x (x o o s)f x (x xˆ - k 0 L )dx )f x 0 (x 0 )dx 0 (x x)* ˆ σ o L u 0 EUFCR σ L s (u o - k) 1 2 exp u 2 0 du 0 EUFCR σ L Gu(k)
58 Reglas de decisión para P 2 Fracción de demanda que no es satisfecha directamente del inventario a mano EUFCR L G u(k) 1. Fracción de la demanda que se convierte en órdenes pendientes EUFCR Vlr. esperado de demanda en cada ciclo EUFCR Q Fracción de la demanda satisfecha directamente del inventario a mano P 2 EUFCR G u( k L 1 1 Q Q ) G ( k u ) ( 1 P2 Q ) L (1)
59 2. Faltantes convertidos totalmente en ventas perdidas Valor esperado de la demanda Q EUFCR en cada ciclo G u (k) Q σ L 1 P P2 2 (2) Implementación de la regla de decisión Paso 1 Seleccione el factor k 1. Ordenes pendientes 2. Ventas perdidas Qr DB k P u Qr DB 2 Paso 2 Calcule punto de reorden Utilizando EOQ
60 El costo total relevante AD Q TRC1 Kσ L vr Q 2 D Q B P (k) 1 u TRC 2 AD Q D k vr ( B v ) Q 2 2 Q L L G ( k u ) Costo anual C de ordenamiento r AD Q Costo anual de almacenami ento C c Q Ivr k L vr 2 Costo anual de faltantes C s, depende de la definición del costo del Stockout, B 1 ó B 2 v
61 Regla de decisión para P 1, de no ocurrencia de Stockout por ciclo de reposición Implementación de la regla de decisión Paso 1 Seleccione el factor k DB 2 Qv k 1 L 1 DB1 2Ln 2 Qv Si la condición no se cumple L Paso 2 Calcule punto de reorden
62 Sistemas de control periódico Sistema (R, S) Sistema (R, s, S)
63 Sistemas de control periódico Nivel de inventario S Inventario máximo Inventario neto Inventario efectivo Q 1 Q 2 Q 3 L 1 L 2 R R Tiempo
64 Sistemas de control periódico Aplican las mismas reglas de decisión del modelo (s, Q) Sistema (s, Q) Sistema (R, S) s Q L S DR R+L Supuestos: La rata de demanda promedio varía poco con el tiempo Probabilidad de demanda cero entre revisiones es muy pequeña Tiempo de reposición se asume constante Sistema apropiado para niveles de servicio altos Errores de pronóstico con distribución normal y desviación estándar R+L, sobre el intervalo de revisión R+L R es predeterminado Los costos del sistema de control, no dependen de S
65 Notación básica Cambios. Sistema (R, S) A : Costo fijo de ordenamiento incrementado en el costo de revisión del inventario, en $/pedido R S xˆ ˆ R L RL : : Intervalo de revisión pre-especificado (o calculado con base en el EOQ) En unidades de tiempo. : Nivel máximo del inventario hasta el cual se ordena Demanda tiempo R pronosticada sobre un intervalo de L,en unidades : Desviación estándar de los errores de los pronosti cos sobre el tiempo igual a R L, en unidades
66 El costo total relevante TRC 1 A R DR 2 k vr 1 R RL 1 B P ( k) u TRC 2 A DR 1 k RL vr ( B v ) R 2 2 R RL G ( k u ) Obsérvese, se ha reemplazado en las ecuaciones anteriores a A, Q y L por A, DR y R+L, respectivamente.
67 Ejemplo : Sistema (s,q) con P 2 especificado Demanda mensual pronosticada d = 12,000 unid/mes Desviación estándar de los errores del pronóstico (basada en pronósticos con período mensual) = 3,100 Unidad Tiempo de reposición L = 1,5 meses Valor unitario del ítem v = $14.00/Unidad Costo de ordenamiento A = $ 1.000,00 Costo de llevar el inventario r = 0,2 Nivel de servicio deseado P 2 = 95% Fracción estimada del costo del faltante = 0,09 Asumir que las ordenes faltantes se convierten en ordenes pendientes
68 Q óptimo: 2AD 2* * * 12 Q EOQ vr 14* Q unidades Desviación estándar durante el periodo de reposición: ˆ L ˆ L 3100* unidades 1 Determinación del factor de seguridad k Q G u( k ) ( 1 P2 ) ( ) ˆ L Para un valor de Gu( k ), en la tabla k 0.74
69 La demanda esperada en el tiempo de reposición L Xˆ L dl ( )( 1. 5) unidades El punto de reorden s s xˆ k ( ) L L La política de inventario (s, Q) Ordenar Q = unidades El pedido se debe realizar cuando el inventario efectivo tenga un valor de unidades Mediante ésta política se logrará satisfacer con el inventario a mano los pedidos de los clientes en un 95% de las veces.
70 El costo total relevante Ordenes pendientes: 1000( x12 ) TRC2 ( 0. 74x ) ( 14x0. 20 ) x12 ( 0. 09x14 )( )( ) TRC , , , , 8 $/año 2
71 Llega pedido 1 Llega pedido 2 Pedido 1 Pedido 2 Pedido 3 Pedido 4 Unidades Inventario efectivo S= Inventario neto SS+Q = SS = 2809 L Tiempo
72 Regla de decisión para P 1, de no ocurrencia de Stockout por ciclo de reposición Implementación de la regla de decisión Paso 1 Seleccione el factor k Paso 2 Calcule punto de reorden Ejemplo regla de decisión P 1 Con los datos del ejemplo anterior, determinar el punto de reorden s para una probabilidad de no ocurrencia de stockout P 1 igual al 90%, determine el nivel de servicio P 2 derivado de esta política.
73 El factor de seguridad k: P u ( k ) 1 P De las tablas para un K El punto de reorden s: P u (k) igual s ( 1. 28)( 3797 ) a 0.1 El nivel de servicio P 2 : De las tablas para un k 1.28, G P 2 ˆ 1 L G u( k Q ) ( )( ) El Costo Total Relevante:? u (k) es
74 CONTROL DE INVENTARIOS CON TIEMPO DE REPOSICIÓN ALEATORIO
75 Tiempo de reposición aleatorio El tiempo de reposición L rara vez puede considerarse constante o determinístico. Depende de: La disponibilidad del proveedor Sistema de transporte utilizado Existen varas formas de considerar la variabilidad del tiempo de reposición 1. Asumir que el tiempo de reposición L y la demanda D, son variables independientes 2. Pronosticar el tiempo de reposición en forma semejante a como se hace con la demanda y de esta manera se puede obtener lo que podría denominarse un tiempo de reposición máximo y con él se calculan los promedios de demanda y los inventarios de seguridad. 3. Medir la demanda real sobre el tiempo de reposición L, (o tiempo de reposición mas tiempo de revisión R+L)
76 Notación básica d E(d) 1 w E(w) w :Tasa de demanda. En unidades por unidad de tiempo :Valor esperado de la tasa de demanda. :Desviación estándar de la tasa de demanda. En unidades : Demanda aleatoria durante el tiempo de reposición. : Valor esperado de la demanda durante el tiempo de reposición. : Desviación estándar de la demanda durante el tiempo de reposición. LT : Tiempo de reposición aleatorio, en unidades de tiempo. (Antes L) E(LT) LT : Valor esperado del tiempo de reposición : Desviación estándar del tiempo de reposición
77 El valor esperado de x y su desviación estándar se definen como sigue (Ross, 1993, pág ): E( w) E( LT) E( d) w E 2 2 E( d 2 ( LT) 1 ) LT Además, todas las ecuaciones vistas aplican teniendo en cuenta de reemplazar E(w) por el valor estimado de la demanda en el tiempo de reposición x L y w por L. Resuelva el ejemplo anterior utilizando E(LT)= 1.5 meses y desviación estándar en el tiempo de reposición LT =0.20 meses
78 E( w) E( LT) E( d) (1.5)*(12.000) unidades (0.20) 4. unidades 2 w (1.5)(3.100) 492 Reemplazando estos valores en las expresiones generales se resuelve este ejemplo. Resultados: K=0.84 Punto de reorden s = Costo total relevante TCR 2 = $/año
79 Cuál es la conclusión acerca de estos resultados?
80 Ejercicio en clase: Un ítem controlado con un sistema de control continuo (s, Q) presenta un tiempo de reposición con un valor esperado de 5 semanas y una desviación estándar de 0.5 semanas. La demanda promedio del ítem es de 2,000 unidades/semana. La desviación estándar de la demanda sobre el tiempo de reposición aleatorio, σw, es igual a 1,049 unidades y se está utilizando un tamaño de pedido de 4,000 unidades. Se ha especificado un nivel de servicio P 2 de y se asume que todos los faltantes se convierten en órdenes pendientes. Usted quiere investigar el efecto del cambio de diversos parámetros sobre el inventario de seguridad, sin detrimento del nivel de servicio especificado, a saber: a) Un aumento del 50% en el tamaño de pedido. b) Una disminución del 50% en el valor esperado del tiempo de reposición. c) Una disminución del 50% en la desviación estándar del tiempo de reposición. Comente acerca de los efectos prácticos de los resultados anteriores.
Sistemas de Inventarios con Demanda Probabilística
Facultad de Ingeniería Escuela de Ingeniería Industrial Curso: Sistemas de Almacenamiento e Inventarios Sistemas de Inventarios con Demanda Probabilística Profesor: Julio César Londoño O Sistemas de inventarios
Más detallesFacultad de Ingeniería MANEJO DE INVENTARIOS DE ÍTEMS INDIVIDUALES
Facultad de Ingeniería Escuela de Ingeniería Industrial Curso: Sistemas de almacenamiento e Inventarios MANEJO DE INVENTARIOS DE ÍTEMS INDIVIDUALES Profesor: Julio César Londoño O Sistemas con Demanda
Más detallesCONTROL DE INVENTARIOS DE ÍTEMS ESPECIALES
Facultad de Ingeniería Escuela de Ingeniería Industrial Curso: Sistemas de Alamcenamiento e Inventarios CONTROL DE INVENTARIOS DE ÍTEMS ESPECIALES Profesor: Julio César Londoño O Generalidades Ítems A,
Más detallesInventarios.
Inventarios http://humberto-r-alvarez-a.webs.com Inventarios Los inventarios tienen una gran importancia siempre y cuando estos añadan valor a los procesos. La existencia de los inventarios añade valor
Más detallesINVENTARIOS Introducción Cantidad Economica de Pedido (EOQ)
INVENTARIOS Introducción Cantidad Economica de Pedido (EOQ) Curso: Investigación de Operaciones Ing. Javier Villatoro MODELO DE INVENTARIOS Componentes Componentes de los modelos de inventarios El problema
Más detallesCONTROL DE INVENTARIOS DE ÍTEMS PERECEDEROS
Facultad de Ingeniería Escuela de Ingeniería Industrial Curso: Sistemas de Almacenamiento e Inventarios CONTROL DE INVENTARIOS DE ÍTEMS PERECEDEROS Profesor: Julio César Londoño O Control de Inventarios
Más detallesLa política de Inventarios Responde a las siguientes preguntas:
CONCEPTO DE INVENTARIOS. INVENTARIOS. El inventario se crea cuando el volumen de materiales, partes o bienes terminados que se recibe es mayor que el volumen de los mismos que se distribuye; el inventario
Más detallesUNIDA 1. MODELOS DE INVENTARIOS DETERMINISTICOS
UNIDA 1. MODELOS DE INVENTARIOS DETERMINISTIOS TUTORÍA VIRTUAL ADMINISTRAIÓN DE INVENTARIOS I-2014 ING. ESAR AUGUSTO FIGUEREDO DIRETOR DE URSO ADMINISTRAIÓN DE INVENTARIOS Podemos definir el inventario
Más detallesAdministración Financiera de Inventarios
Administración Financiera de Inventarios El administrador financiero y la política del inventario Aún a pesar del tamaño de la inversión en inventarios de una empresa típica, el administrador financiero
Más detallesGESTIÓN DE INVENTARIOS
GESTIÓN DE Septiembre 2011 1 Generalidades 2 1 - Qué son los inventarios? Materias Primas. Partes y Piezas. Insumos y Herramientas de Producción. Insumos y Materiales de Oficina. Trabajos en Proceso. Productos
Más detallesTALLER 5 : Modelos de Inventarios. 1. Modelo EOQ. Un hospital que presta sus servicios a una mediana ciudad, pide a un proveedor películas de rayos x en lotes iguales. Los registros muestran que la demanda
Más detallesPLANEACIÓN AGREGADA VARIABLES Y CONSIDERACIONES DE UN PLAN AGREGADO
PLANEACIÓN AGREGADA -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Más detallesDISEÑO DE UNA POLÍTICA DE GESTIÓN DE INVENTARIOS PARA MATERIAS PRIMAS DE PRODUCTOS DE CUIDADO PERSONAL
DISEÑO DE UNA POLÍTICA DE GESTIÓN DE INVENTARIOS PARA MATERIAS PRIMAS DE PRODUCTOS DE CUIDADO PERSONAL Proyecto de Grado para acceder al título de Magíster en Ingeniería con énfasis en Ingeniería Industrial
Más detallesGestión de Inventarios. Introducción
Gestión de Inventarios Introducción Stocks, existencias, inventarios Se entiende por stock a un conjunto de artículos que se tienen almacenados para su venta o utilización posterior La gestión de stocks
Más detallesGESTION DE INVENTARIOS
GESTION DE INVENTARIOS Inventarios El inventario tiene como propósito fundamental proveer a la empresa de materiales necesarios, para su continuo y regular desenvolvimiento, es decir, el inventario tiene
Más detallesModelo EOQ con Demanda Incierta. Teoría de Inventarios Modelo Probabilísticos. Demanda durante el Lead Time 18/04/2009
Universidad Técnica Federico Santa María Teoría de Inventarios Modelo Probabilísticos Daniel Basterrica Modelo EOQ con Demanda Incierta Lead Time no nulo Demanda aleatoria durante
Más detallesAdministración de la Producción. Gestión n de Inventarios
Gestión n de Inventarios 2010 Gestión de Inventarios OBJETIVO DE LA PRESENTACION 1- Comprender la lógica de los distintos tipos de stocks y su aplicación. 2- Brindar un panorama sobre la importancia del
Más detallesMODELOS DE INVENTARIOS ÁREA DE PRODUCTIVIDAD
MODELOS DE INVENTARIOS ÁREA DE PRODUTIVIDAD INVENTARIOS Son bienes tangibles que se tienen para la venta o para ser consumidos en la producción de bienes o servicios para su posterior comercialización.
Más detallesUNIDAD II PLANEACIÓN AGREGADA DE LA PRODUCCIÓN
UNIDAD II PLANEACIÓN AGREGADA DE LA PRODUCCIÓN Curso: Administración de Operaciones III OBJETIVOS Cuando haya completado esta unidad, debe ser capaz de identificar y definir: Planeación agregada Propósito
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
Más detalles4. NÚMEROS PSEUDOALEATORIOS.
4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar
Más detallesPROBABILIDAD. Es el conjunto de todos los resultados posibles de un experimento aleatorio. Por ejemplo: Experimento: tirar un dado.
1 PROBABILIDAD EXPERIMENTOS Al fijar las condiciones iniciales para un experimento se da lugar a dos tipos de situaciones: a) Experimentos determinísticos: se conoce el resultado. Por ejemplo: si suelto
Más detallesADMINISTRACION DE INVENTARIOS. Unidad 2. SISTEMAS DE INVENTARIO PROBABILISTICOS
AMINISTRACION E INVENTARIOS Unidad 2. SISTEMAS E INVENTARIO PROBABIISTICOS Nombre de la Unidad Introducción SISTEMAS E INVENTARIO PROBABIISTICOS. Hasta el momento los diferentes modelos de inventario manejan
Más detallesEjemplos de clase Administración de Inventarios
Ejemplos de clase Administración de Inventarios ADMINISTRACIÓN DE INVENTARIOS A. MODELOS DE INVENTARIO PARA DEMANDA INDEPENDIENTE B. MODELOS PROBABILISTICOS E INVENTARIOS DE SEGURIDAD C. SISTEMAS DE PERIODO
Más detallesCurso: Teoría, Algoritmos y Aplicaciones de Gestión Logística. Modelos de Inventarios, Parte 1: Modelos de tamaño económico de lote
Curso: Teoría, Algoritmos y Aplicaciones de Gestión Logística. Modelos de Inventarios, Parte 1: Modelos de tamaño económico de lote Departamento de Investigación Operativa Instituto de Computación, Facultad
Más detallesESCUELA DE CIENCIAS ADMINISTRATIVAS, CONTABLES, ECONOMICAS Y DE NEGOCIOS Logística Industrial INVENTARIOS
INVENTARIOS Sin hubiera un genio para producir en el momento y lugar que se deseara, no habría inventarios. Desafortunadamente, los genios están escasos, de manera que se usan los inventarios como amortiguador
Más detallesTeoría de errores -Hitogramas
FÍSICA I Teoría de errores -Hitogramas Autores: Pablo Iván ikel - e-mail: pinikel@hotmail.com Ma. Florencia Kronberg - e-mail:sil_simba@hotmail.com Silvina Poncelas - e-mail:flo_kron@hotmail.com Introducción:
Más detallesBreve introducción a la Investigación de Operaciones
Breve introducción a la Investigación de Operaciones Un poco de Historia Se inicia desde la revolución industrial, usualmente se dice que fue a partir de la segunda Guerra Mundial. La investigación de
Más detallesApunte Docente. Modelo de Beranek (Efectivo) Yolanda Reyes Fernández
Apunte Docente Modelo de Beranek (Efectivo) Yolanda Reyes Fernández La autora es Máster en Administración y Finanzas, Escuela Superior de Administración y Dirección de Empresas (ESADE), Barcelona, España.
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
Más detallesQUE ES UN INVENTARIO?
QUE ES UN INVENTARIO? los inventarios son acumulaciones de materias primas, provisiones, componentes, trabajo en proceso y productos terminados que aparecen en numerosos puntos a lo largo del canal de
Más detallesEjemplos de clase Administración de Inventarios. Guatemala, abril de 2013
Ejemplos de clase Administración de Inventarios Guatemala, abril de 2013 ADMINISTRACIÓN DE INVENTARIOS A. MODELOS DE INVENTARIO PARA DEMANDA INDEPENDIENTE B. MODELOS PROBABILISTICOS E INVENTARIOS DE SEGURIDAD
Más detallesMinimización de costos. Teoría de Inventarios Modelo Determinista. Supuestos. Modelos DeterminísKcos. Modelo de Lote Económico
Universidad Técnica Federico Santa María Minimización de costos Teoría de Inventarios Modelo Determinista Costo por orden de compra o producción Costo unitario de compra Costo variable unitario de compra.
Más detallesPROCESOS LOGISTICOS. Sesión : 4. Profesor: MBA Mario Minaya Flores ACREDITACIONES RECONOCIMIENTOS
PROCESOS LOGISTICOS Sesión : 4 Profesor: Temas Procesos Logísticos 1. Proceso del Supply Planning 2. Gestión de Inventarios Compras electrónicas EDI (electronic data interchange) Intercambio de documentos
Más detallesPROGRAMACIÓN LINEAL MÉTODO GRÁFICO
1 PROGRAMACIÓN LINEAL MÉTODO GRÁFICO Dado un problema de programación lineal se debe: 1. Graficar cada una de las restricciones. 2. Encontrar el Polígono de factibilidad, que es la intersección de los
Más detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 4 Nombre: Distribuciones de probabilidad para variables Contextualización En la sesión anterior se definió el concepto de variable aleatoria
Más detallesRiesgo financiero. Probabilidad de que un negocio no pueda cumplir con sus obligaciones financieras.
ADMINISTRACIÓN FINANCIERA I Docente: MC. Marcel Ruiz Martínez http://marcelrzmuvm.webatu.com/bienvenidauvm.htm IV. MÉTODOS DE ANÁLISIS FINANCIERO Y ADMINISTRACIÓN DEL CAPITAL DE TRABAJO Objetivos. El estudiante
Más detallesMODELOS DE INVESTIGACION DE OPERACIONES
MODELOS DE INVESTIGACION DE OPERACIONES CARACTERÍSTICAS Los modelos se dividen en determinísticos (no probabilisticos) y estocásticos (probilisticos). Hay otros modelos híbridos porque incluyen las dos
Más detallesCAPÍTULO 4 TÉCNICA PERT
54 CAPÍTULO 4 TÉCNICA PERT Como ya se mencionó en capítulos anteriores, la técnica CPM considera las duraciones de las actividades como determinísticas, esto es, hay el supuesto de que se realizarán con
Más detallesLA SECRETARÍA ACADÉMICA DE LA UNIVERSIDAD AUTÓNOMA DE QUERÉTARO A TREVÉS DE LA FACULTAD DE QUÍMICA ACADEMIA DE INGENIERO QUÍMICO EN ALIMENTOS
LA SECRETARÍA ACADÉMICA DE LA UNIVERSIDAD AUTÓNOMA DE QUERÉTARO A TREVÉS DE LA FACULTAD DE QUÍMICA ACADEMIA DE INGENIERO QUÍMICO EN ALIMENTOS C O N V O C A Diplomado Gestión de la Cadena de Suministro
Más detallesConsideración del Margen de Desvanecimiento con ICS Telecom en Planeación de Redes de Microceldas (NLOS)
Consideración del Margen de Desvanecimiento con ICS Telecom en Planeación de Redes de Microceldas (NLOS) Agosto 2008 SEAN YUN Traducido por ANDREA MARÍN Modelando RF con Precisión 0 0 ICS Telecom ofrece
Más detallesUnidad V. 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales.
Unidad V Aplicaciones de la derivada 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales. Una tangente a una curva es una recta que toca la curva en un solo punto y tiene la misma
Más detallesCuentas por Cobrar y Administración de Inventarios 10-1
Cuentas por Cobrar y Administración de Inventarios 10-1 Cuentas por Cobrar y Administración Inventarios Políticas de Crédito y Cobranzas Analizando al Solicitante de Crédito Administración y Control de
Más detallesCAPÍTULO IV GESTIÓN DE INVENTARIOS
CAPÍTULO IV GESTIÓN DE INVENTARIOS Ing. Omar David Pérez Fuentes 1 INDICE 4.1 Introducción. 4.2 Concepto de inventario. 4.3 Políticas de revisión de inventarios. 4.3.1 Revisión continua. 4.3.2 Revisión
Más detallesTema 5 Algunas distribuciones importantes
Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos
Más detallesNORMA ISO Introducción
Introducción NORMA ISO 2859-1 Objetivo: eliminar productos defectuosos. Esencial para el enfoque basado en hechos de los SGC dado que la calidad no puede generarse sólo mediante inspección El control puede
Más detallesModelos de PERT/CPM: Probabilístico
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Modelos de PERT/CPM: Probabilístico M. En C. Eduardo Bustos Farías 1 Existen proyectos con actividades que tienen tiempos inciertos, es decir,
Más detallesMODELOS DE GESTIÓN DE INVENTARIOS
MODELOS DE GESTIÓN DE INVENTARIOS La gestión de inventario, está relacionada con planificar la forma de abastecer a la empresa de ciertos productos que requiere en base a un parámetro predefinido. Los
Más detalles3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.
3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,
Más detallesDiscretas. Continuas
UNIDAD 0. DISTRIBUCIÓN TEÓRICA DE PROBABILIDAD Discretas Binomial Distribución Teórica de Probabilidad Poisson Normal Continuas Normal Estándar 0.1. Una distribución de probabilidad es un despliegue de
Más detallesMODULO VIII. Semana 1 ASPECTOS DE EVALUACIÓN FINANCIERA, ECONÓMICA, SOCIAL Y AMBIENTAL.
MODULO VIII Semana 1 ASPECTOS DE EVALUACIÓN FINANCIERA, ECONÓMICA, SOCIAL Y AMBIENTAL Esquema de Proyecto SNIP INDICE INTRODUCCION I. ASPECTOS GENERALES II. IDENTIFICACION III. FORMULACION IV. EVALUACION
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesINDICE 1. Introducción a la Contabilidad de Costos y la Administración de Costos Parte 1. Conceptos Básicos de la Administración de Costos
INDICE 1. Introducción a la Contabilidad de Costos y la Administración de 1 Costos Contabilidad financiera, Administración y de Costos 2 Evolución de la contabilidad 3 Primeros sistemas de contabilidad
Más detallesEn esta sección: Guía CENEVAL EGEL-IINDU 2017 Resuelta Nueva Generación. 1.- Ficha técnica del producto. 2.- Contenido temático del producto.
Guía CENEVAL EGEL-IINDU 2017 Resuelta Nueva Generación. En esta sección: 1.- Ficha técnica del producto. 2.- Contenido temático del producto. Coloca el cursor aquí y gira la rueda del mouse para desplazarte
Más detallesJUNIO Bloque A
Selectividad Junio 009 JUNIO 009 Bloque A 1.- Estudia el siguiente sistema en función del parámetro a. Resuélvelo siempre que sea posible, dejando las soluciones en función de parámetros si fuera necesario.
Más detallesEjercicios de Variables Aleatorias
Ejercicios de Variables Aleatorias Elisa M. Molanes-López, Depto. Estadística, UC3M Transformaciones de variables aleatorias Ejercicio. Sea X una v.a. continua con función de densidad dada por: /, si
Más detallesCAPITULO 1: PERSPECTIVE GENERAL DE LA
CONTENIDO CAPITULO 1: PERSPECTIVE GENERAL DE LA INVESTIGACION DE OPERACIONES 1 1.1 Modelos matemáticos de investigación de operaciones. 1 1.2 Técnicas de investigación de operaciones 3 1.3 Modelado de
Más detallesCapítulo 9 Estructura y Administración de Portafolios de Inversión
Capítulo 9 Estructura y Administración de Portafolios de Inversión Objetivo Presentar los conceptos básicos y el proceso vinculado a la administración de portafolios de inversión Parte I CONCEPTOS BÁSICOS
Más detallesTema Contenido Contenidos Mínimos
1 Estadística unidimensional - Variable estadística. - Tipos de variables estadísticas: cualitativas, cuantitativas discretas y cuantitativas continuas. - Variable cualitativa. Distribución de frecuencias.
Más detallesModelos de Inventarios
Modelos de Inventarios 1. Qué significa PERT? Program Evaluation Review Technique Técnica de Revisión de Evaluación de Programa 2. Qué significa las siglas C.E.P Cantidad Económica de Pedidos 3. Para qué
Más detallesUnidad Temática 3: Probabilidad y Variables Aleatorias
Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento
Más detallesPROBLEMA 1. Considere el siguiente problema de programación lineal:
PROBLEMA 1 Considere el siguiente problema de programación lineal: Sean h1 y h2 las variables de holgura correspondientes a la primera y segunda restricción, respectivamente, de manera que al aplicar el
Más detallesFormulación del problema de la ruta más corta en programación lineal
Formulación del problema de la ruta más corta en programación lineal En esta sección se describen dos formulaciones de programación lineal para el problema de la ruta más corta. Las formulaciones son generales,
Más detallesIntroducción a la unidad 4:
Introducción a la unidad 4: Valor actual neto, tasa interna de retorno INACAP Virtual Introducción a la Unidad 4 Matemática financiera 2 ÍNDICE DE CONTENIDOS ÍNDICE DE CONTENIDOS... 3 INTRODUCCIÓN... 4
Más detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesMANUAL DE USO PROGRAMA SENSIBAR
MANUAL DE USO PROGRAMA SENSIBAR ANALSIS DE SENSIBILIDAD Y SIMULACION DE MONTECARLO JOSE FUENTES VALDES FACEA - UNIVERSIDAD DE CONCEPCION Facultad de Economía Universidad de Concepción 1 SensiBar. ANALSIS
Más detallesSEMINARIO DE FIN DE CARRERA MODELOS DE INVENTARIOS APUNTES DE CLASE
SEMINARIO DE FIN DE ARRERA MODELOS DE INVENTARIOS APUNTES DE LASE Los inventarios son necesarios, pero el problema importante es cuánto se debe tener en ellos. Las razones para tener inventarios son: ostos
Más detallesPROGRAMACIÓN NO LINEAL INTRODUCCIÓN
PROGRAMACIÓN NO LINEAL Conceptos generales INTRODUCCIÓN Una suposición importante de programación lineal es que todas sus funciones Función objetivo y funciones de restricción son lineales. Aunque, en
Más detallesINSTITUTO TECNOLÓGICO METROPOLITANOIngenieria. Ingenieria de Producción Investigación de operaciones II
INSTITUTO TECNOLÓGICO METROPOLITANO Ingenieria de Producción Investigación de operaciones II 11 de marzo de 2015 1 Observación 2 Ejercicio 1 3 Ejercicio 2 4 Ejercicio 3 5 Ejercicio 4-Modelo con Descuentos
Más detallesPREPARACIÓN Y EVALUACIÓN DE PROYECTOS
PREPARACIÓN Y EVALUACIÓN DE PROYECTOS AUTOR : NASSSIR SAPAG CHAIN REYNALDO SAPAG CHAIN QUINTA EDICION 2008 Msc. Javier Carlos Inchausti Gudiño 2011 Capítulo 15 CRITERIOS DE EVALUACION DE PROYECTOS VALOR
Más detallesGRAFICOS DE CONTROL DATOS TIPO VARIABLES
GRAFICOS DE CONTROL DATOS TIPO VARIABLES OBJETIVO DEL LABORATORIO El objetivo del presente laboratorio es que el estudiante conozca y que sea capaz de seleccionar y utilizar gráficos de control, para realizar
Más detallesAnálisis de Datos y Probabilidad Grado 9-12
Análisis de Datos y Probabilidad Grado 9-12 Cómo se afectaría el costo de vida por el incremento en el precio de la electricidad en Puerto Rico? 1 Introducción En esta actividad los estudiantes usarán
Más detallesGUÍA NÚMERO 6 ADMINISTRACIÓN DEL CAPITAL DE TRABAJO
GUÍA NÚMERO 6 ADMINISTRACIÓN DEL CAPITAL DE TRABAJO Material elaborado por José Ignacio Andrés Pérez Hidalgo Cátedra: Dirección Financiera Página web: joseignacioph.wordpress.com EJERCICIO 1 Suponga que
Más detallesCAPÍTULO SEIS PLAN FINANCIERO
CAPÍTULO SEIS PLAN FINANCIERO 30 CAPITULO 6: PLAN FINANCIERO 6.1. Estructura del capital y financiamiento El proyecto no tiene financiamiento, la inversión inicial será completamente entregada por el realizador
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesCostos estándar Costos estimados Costo-volumen-utilidad Costeo variable Costeo absorbente Costeo relevante
El contador de costos utiliza muchas técnicas para el análisis de los costos y la elaboración de informes para la gerencia. A continuación se presenta un listado enunciativo de varias técnicas: Costos
Más detallesUniversidad Tec Milenio: Profesional HG04002 Análisis de Decisiones I
Tema # 3 Modelo de programación lineal: conceptos básicos 1 Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Comprender el concepto de modelos de programación lineal. Identificar la
Más detallesINVESTIGACIÓN DE OPERACIONES II. JULIO CÉSAR LONDOÑO ORTEGA
INVESTIGACIÓN DE OPERACIONES II JULIO CÉSAR LONDOÑO ORTEGA Email: julio.londono@correounivalle.edu.co jclondonor@gmail.com MODELOS DE FILAS DE ESPERA Introducción a la Teoría de Colas Ejemplos de la teoría
Más detallesDefinición de Capacidad. Planeación Estratégica de la Capacidad. Capacidad. Horizonte de Planeación. Mediciones de Capacidad
Definición de 2 Planeación Estratégica de la El más alto nivel de producción que una compañía puede sostener razonablemente, con horarios realistas para su personal y con el equipo que posee. Administración
Más detallesSimulación. Problema del jardinero. Modelo de stock aleatorio. Camino crítico.
Simulación Temario de la clase Introducción. Generacion de variables aleatorias: método de la transformada inversa. Avance del tiempo de simulación. Determinación de la cantidad de iteraciones requeridas.
Más detallesPRONOSTICOS Y PRESUPUESTOS M.A. DARIO FLOTA OCAMPO
PRONOSTICOS Y PRESUPUESTOS M.A. DARIO FLOTA OCAMPO Sep. 2010 El Proceso Administrativo Planeación Organización Integración Dirección Control Planeación + Objetivos + Metas + Estrategias de largo alcance
Más detallesUnidad 5 Control Estadístico de la Calidad. Administración de Operaciones III
Unidad 5 Control Estadístico de la Calidad Administración de Operaciones III 1 Contenido 1. Antecedentes del control estadístico de la calidad 2. Definición 3. Importancia y aplicación 4. Control estadístico
Más detallesPREPARACIÓN Y EVALUACIÓN DE PROYECTOS. AUTOR : NASSSIR SAPAG CHAIN REYNALDO SAPAG CHAIN QUINTA EDICION 2008 Msc. Javier Carlos Inchausti Gudiño 2011
PREPARACIÓN Y EVALUACIÓN DE PROYECTOS AUTOR : NASSSIR SAPAG CHAIN REYNALDO SAPAG CHAIN QUINTA EDICION 2008 Msc. Javier Carlos Inchausti Gudiño 2011 Capítulo 8 LA DETERMINACION DEL TAMAÑO DE UN PROYECTO
Más detallesIV. EL ESTUDIO TECNICO
IV. EL ESTUDIO TECNICO A. ANÁLISIS DE LOS ASPECTOS TÉCNICOS 1. LA INVERSIÓN, LA TECNOLOGÍA Y EL ALCANCE DEL ESTUDIO TÉCNICO DE INGENIERÍA El objetivo es determinar la función de producción óptima para
Más detallesAplicación del orden de mayorización a un problema de producción-inventario. An aplication of majorization order on a production-inventory problem
Revista Facultad de Ingeniería N. o 39. pp. 112-117. Marzo, 2007 Aplicación del orden de mayorización a un problema de producción-inventario Henry Laniado Rodas a,*,diego Alejandro Castañeda b, Andrés
Más detallesDesempeño de Medidas de Riesgo sobre Distribuciones de Valores Extremos
Desempeño de Medidas de Riesgo sobre Distribuciones de Valores Extremos Resumen Ejecutivo Antecedentes El riesgo es un concepto ampliamente estudiado, con diversas definiciones que dependen del contexto
Más detallesMÓDULO 1: GESTIÓN DE CARTERAS
MÓDULO 1: GESTIÓN DE CARTERAS TEST DE EVALUACIÓN 1 Una vez realizado el test de evaluación, cumplimenta la plantilla y envíala, por favor, antes del plazo fijado. En todas las preguntas sólo hay una respuesta
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA MATEMÁTICAS II TEMA 5: INTEGRALES
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 004 MATEMÁTICAS II TEMA 5: INTEGRALES Junio, Ejercicio, Opción A Junio, Ejercicio, Opción B Reserva, Ejercicio, Opción A Reserva, Ejercicio, Opción B Reserva,
Más detallesEl rango de un conjunto de números es la diferencia entre el número mayor y el menor del conjunto.
La desviación estándar y otras medidas de dispersión CAPÍTULO 4 DISPERSIO O VARIACIO La dispersión o variación de los datos es el grado en que los datos numéricos tienden a esparcirse alrededor de un valor
Más detallesFACULTAD DE INGENIERÍA UNAM PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@servidor.unam.m T E M A S DEL CURSO. Análisis Estadístico de datos muestrales.. Fundamentos de la Teoría de
Más detallesComplejidad de los Algoritmos
Que es un Algoritmo? Complejidad de los Algoritmos Webster: cualquier método especial para resolver cierta clase de problemas. Horowitz: método preciso utilizable en una computadora para la solución de
Más detallesPlanteamiento de problemas de programación lineal. M. En C. Eduardo Bustos Farías
Planteamiento de problemas de programación lineal M. En C. Eduardo Bustos Farías 1 Ejemplo. Breeding Manufacturing Inc. Mezcla de productos 2 La Breeding Manufacturing Inc., fabrica y vende dos tipos de
Más detallesIntroducción a la programación lineal
Introducción a la programación lineal La programación lineal se aplica a modelos de optimización en los que las funciones objetivo y restricción son estrictamente lineales. La técnica se aplica en una
Más detallesESTACIONALIDADES. Proyecto Empresarial II. Dr. José Luis Esparza A.
ESTACIONALIDADES Proyecto Empresarial II Dr. José Luis Esparza A. ESTACIONALIDAD La estacionalidad es un comportamiento o patrón que a veces observamos en una serie de tiempo. Consiste en subidas y bajadas
Más detalles3 Polinomios y funciones racionales
Programa Inmersión, Verano 2016 Notas escritas por Dr. M Notas del cursos. Basadas en los prontuarios de MATE 3001 y MATE 3023 Clase #19: viernes, 24 de junio de 2016. 3 Polinomios y funciones racionales
Más detallesAnálisis y evaluación de proyectos
Análisis y evaluación de proyectos UNIDAD 3.- ESTUDIO TÉCNICO DEL PROYECTO José Luis Esparza A. 1.- ASPECTOS TÉCNICOS DE UN PROYECTO Proveen información para obtener el monto de las inversiones y de los
Más detallesREGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS)
1 REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1. EN LA REGIÓN DE DRAKUL DE LA REPÚBLICA DE NECROLANDIA, LAS AUTORIDADES ECONÓMICAS HAN REALIZADO UNA REVISIÓN
Más detalles