Conteo Cíclico de Inventarios

A manera práctica, comparto éste enlace que permite observar un análisis de este tipo de conteo:

Concepto básico
Los conteos cíclicos son una técnica para levantar inventarios físicos en la cual contamos el inventario con frecuencia en lugar de una o dos veces al año. La clave de un buen conteo cíclico y, por tanto, de los registros exactos está en decidir que artículos contaremos, y cuando y quién será el encargado de hacerlo.
En la actualidad casi todos los sistemas de inventarios están computarizados. Podemos programar la computadora para que genere un aviso de conteo cíclico en los casos siguientes:

1.- Cuando el registro muestra un saldo bajo o nulo de la mercancía en existencia. (es más fácil contar pocos artículos.)

2.- Cuando el registro muestra un saldo positivo, pero anotó un pedido atrasado acumulado ( lo cual indica una discrepancia).

3.- Después de un nivel especificado de actividad.

4.-Para señalar una revisión basada en la importancia del artículo ( como en el sistema ABC).

El conteo cíclico dependerá del personal disponible. Algunas empresas programan al personal regular de almacén para que cuente durante ratos de su jornada laboral que no sean muy activos. Otras compañías contratan empresas privadas para que acudan a contar el inventario.
Tomado de: http://www.scribd.com/doc/54645039/Conteo-de-inventario

Reducción de estrategias (Ejemplo)

En ciertos casos existirán ciertas estrategias que son dominantes sobre otras, ésto hará posible  que se puedan reducir en la medida de lo posible, para así reducir el juego con sólo las estrategias que no sean dominantes sobre las demás.


Para tener una idea más clara de éste concepto, se muestra el siguiente ejemplo de reducción de estrategias:




Tomado de:  clase de investigación de operaciones dada por el Ingeniero Industrial, Medardo González

Teoría de decisiones

Ésta teoría está íntimamente relacionada con la teoría de juegos. Lo que diferencia a una de la otra es el rival contra el que se entra en juego. En este caso el rival será la naturaleza misma.


Existirán 3 casos diferentes a la hora de tomar una decisión:


1. Decisión bajo certidumbre:


En este caso se tiene la información perfecta y además se esta seguro del comportamiento de las diferentes alternativas.


2. Decisión bajo riesgo:


En este caso se tiene conocimiento sobre las alternativas, pero no se esta seguro del impacto que estas van a tener a la hora de haber tomado la decisión. Sin embargo cada una de las alternativas contará con una probabilidad de que se lleven a cabo.


3. Decisión bajo incertidumbre


No se tiene información. No se sabrá cual es el comportamiento que tendrán las alternativas así que se estaría enfrentando con algo totalmente nuevo.


A continuación se muestra el siguiente ejemplo, resuelto bajo diversos criterios decisorios:






Tomado de: Clase de Investigación de Operaciones dada por el Ingeniería Industrial, Medardo González

Juegos de suma cero para dos jugadores con estrategias aleatorizadas

Se analizarán ahora aquellos juegos que no tienen punto silla, que de hecho son mucho más frecuentes en la práctica. Para ello supongamos que dos personas van a jugar a pares o impares solamente con la posibilidad de sacar uno o dos dedos cada uno. Si la suma de ambos es par el jugador A pagará un euro al jugador B. En caso contrario será B el que pague a A. Por tanto la matriz de beneficios se puede expresar de la forma siguiente:


No hay punto silla. Eso significa que para cualquier decisión de estrategias hay un jugador que puede beneficiarse cambiando de estrategia unilateralmente. Si por ejemplo los dos sacan dos dedos el resultado sería par y ganaría B. Pero al cambiar A de estrategia pasaría a ganar A y por tanto a perder B.

Se determinarán ahora estrategias óptimas y el valor de este juego. Para ello se amplía
el conjunto de estrategias posibles. Hasta ahora se ha supuesto que cada vez que un jugador participa en un juego utilizará la misma estrategia. Ahora se permitirá que un jugador opte por una estrategia concreta en una proporción determinada de casos, que llamaremos probabilidad. Este tipo de estrategias se denominan estrategias aleatorizadas o mixturas. En general podríamos representar una estrategia aleatorizada de A de la forma (x1, x2) y una de B de la forma (y1, y2). Esto quiere decir que si el jugador A utiliza la estrategia (x1, x2) sacará un dedo en el 100x1 % de las veces que juegue y dos en el resto (100x2 %). Por supuesto ha de verificarse que

SOLUCIÓN GRÁFICA

En el ejemplo anterior la ganancia esperada de A cuando B escoge 1 ser´a:


y en el caso de que B elija 2 la ganancia esperada de A ser´a:





En la Figura 1 se representan gr´aficamente ambas ganancias esperadas. Por tanto, suponiendo que el jugador B conoce la decisi´on de A, (x1, 1 − x1), la ganancia esperada de A vendrá determinada por la linea gruesa. De este modo el punto de corte ofrece a A garantías de una ganancia media mínima de cero. Este punto proporciona la mejor estrategia para A, (1/2, 1/2). El caso de B es totalmente sim´etrico produciendo ahora la Figura sgte. Ambas gráficas representan las ganancias medias de A. Por ese motivo B buscará minimizar la ganancia esperada de A, que conociendo de antemano la estrategia de B vendrá representada por la línea gruesa en la Figura 2. Se puede decir por tanto que en este juego el techo o nivel superior del jugador A coincide con el suelo o nivel inferior de B. Esto es algo general, de modo que siempre el suelo del jugador fila coincide con el techo del jugador columna. El valor común de ambos se denomina valor del juego para el jugador fila. Así, cualquier estrategia del jugador fila que garantice una ganancia esperada al menos igual al valor es una estrategia óptima para este jugador. Del mismo modo cualquier estrategia del jugador columna que garantice una pérdida esperada a lo sumo igual al valor es una estrategia óptima para el jugador columna. En el ejemplo el valor es cero y (1/2, 1/2) será una estrategia óptima para ambos. Además es única.
Supongamos que el jugador A escoge la estrategia (1/3, 2/3). Entonces escogiendo B dos
dedos garantiza que la ganancia media de A es negativa y por tanto su ganancia esperada
es positiva. Sería una estrategia óptima para B, pero no para A.

Selección de la estrategia de A

Selección de la estrategia de B


En caso de que existan más de dos estrategias por jugador, será necesario el uso de la programación lineal.


Tomado de: www.uclm.es/profesorado/jesuslopezfidalgo/juegos.pdf

Juegos de suma cero

Denominaremos a uno jugador fila y al otro jugador columna. El primero ha de elegir una de m estrategias y el jugador columna una de n estrategias. Se supondrá que si el primero elige i y el segundo j habrá una ganancia de aij para el primero y una pérdida de aij para el segundo. Esto se conoce como juego de suma cero. Se podría decir que en un juego de suma cero con dos jugadores lo que gana uno proviene del otro sin posibilidad de cooperación entre ellos. Cuando uno gana el otro pierde la misma cantidad. Todo esto puede representarse mediante una matriz de ganancias del jugador fila:





Se dice que el juego tiene punto silla y a este número se le llama valor (v) del juego para el jugador fila. Una forma sencilla de determinar este punto es buscar un n´umero de la matriz que sea el menor en su fila y el mayor en su columna.


EJEMPLO



Supongamos que los dos grandes productores de agendas electrónicas se proponen 
sacar al mercado un modelo nuevo con teléfono móvil incorporado. Pueden establecer 
un convenio con cuatro de las compañías telefónicas y uno de los dos productores podría 
desarrollar una compañía telefónica propia. La matriz de ganancias sería:





Vemos que en −5 hay un punto silla y corresponde a la elección de Entfone por parte de la compañía CASIE y de Windtel por parte de la compañía  PAM. Este es un punto de equilibrio en el que ninguno de los jugadores puede beneficiarse con un cambio unilateral de estrategia. En este caso el equilibrio se logra asumiendo CASIE una pérdida de 5 como mal menor y PAM una ganancia segura de 5.

Tomado de: www.uclm.es/profesorado/jesuslopezfidalgo/juegos.pdf

Teoría de Juegos (Conceptualización)

La teoría de los juegos es una rama de la matemática con aplicaciones a la economía, sociología, biología y psicología, que analiza las interacciones entre individuos que toman decisiones en una marco de incentivos formalizados (juegos). En un juego, varios agentes buscan maximizar su utilidad eligiendo determinados cursos de acción. La utilidad final obtenida por cada individuo depende de los cursos de acción escogidos por el resto de los individuos.


La teoría de juegos es una herramienta que ayuda a analizar problemas de optimización interactiva. La teoría de juegos tiene muchas aplicaciones en las ciencias sociales. La mayoría de las situaciones estudiadas por la teoría de juegos implican conflictos de intereses, estrategias y trampas. De particular interés son las situaciones en las que se puede obtener un resultado mejor cuando los agentes cooperan entre sí, que cuando los agentes intentan maximizar sólo su utilidad.
La teoría de juegos fue ideada en primer lugar por John von Neumann. Luego, John Nash, A.W. Tucker y otros hicieron grandes contribuciones a la teoría de juegos.
JUEGO
Se denomina juego a la situación interactiva especificada por el conjunto de participantes, los posibles cursos de acción que puede seguir cada participante, y el conjunto de utilidades.
ESTRATEGIA
Cuando un jugador tiene en cuenta las reacciones de otros jugadores para realizar su elección, se dice que el jugador tiene una estrategia. Una estrategia es un plan de acciones completo que se lleva a cabo cuando se juega el juego. Se explicita antes de que comience el juego, y prescribe cada decisión que los agentes deben tomar durante el transcurso del juego, dada la información disponible para el agente. La estrategia puede incluir movimientos aleatorios.

RESULTADOS DE LOS JUEGOS

El resultado de un juego es una cierta asignación de utilidades finales. Se denomina resultado de equilibrio si ningún jugador puede mejorar su utilidad unilateralmente dado que los otros jugadores se mantienen en sus estrategias. Un equilibrio estratégico es aquel que se obtiene cuando, dado que cada jugador se mantiene en su estrategia, ningún jugador puede mejorar su utilidad cambiando de estrategia. Alternativamente, un perfil de estrategias conforma un equilibrio si las estrategias conforman la mejor respuesta a las otras.

FORMA NORMAL VS FORMA EXTENSIVA DE LOS JUEGOS

En juegos de forma normal, los jugadores mueven simultáneamente. Si el conjunto de estrategias es discreto y finito, el juego puede ser representado por una matriz NxM (ver abajo). Un juego en forma extensiva especifica el orden completo de movimientos a través de la dirección del juego, generalmente en un árbol de juego.

JUEGOS NxM

Una forma de juegos de dos jugadores, en la cual un jugador tiene N acciones posibles y el otro tiene M acciones posibles. En un juego así, los pares de utilidades o pagos pueden ser representados en una matriz y el juego es fácilmente analizable. Los juegos NxM dan una idea de cómo puede verse la estructura de un juego mas complejo.
ESTRATEGIA DOMINANTE
Una estrategia dominante es aquella elección que realiza el jugador independientemente de lo que haga el otro. En el juego representado en la matriz de arriba, la estrategia dominante para A es elegir “abajo”, mientras que la estrategia dominante para B es elegir “izquierda”. Estas estrategias dominantes dan como resultado el equilibrio de estrategias dominantes del juego. Si cada jugador tiene una estrategia dominante se puede predecir el resultado del juego.
Tomado de: www.econlink.com.ar/.../teoriadejuegos.shtml

Cadenas de Markov con estados absorbentes

A diferencia de los estados recurrentes, los estados absorbentes tendrás sumas de probabilidades que con el correr del tiempo llegarán a ser cero, todo esto debido a que hay estados que tiene probabilidad 1 y por ende los demás estados tenderán a llegar a esta clase de estados . 


Para tener una idea más clara sobre éste concepto, se muestra el siguiente ejemplo:


La empresa jurídica Angie Montero, emplea 3 tipos de abogados: subalternos, superiores y socios. Durante cierto año el 10% de los subalternos ascienden a superiores y a un 10% se les pide que abandonen la empresa. Durante un año cualquiera un 5% de los superiores ascienden a socios y a un 13% se les pide la renuncia. Los abogados subalternos deben ascender a superiores antes de llegar a socios. Los abogados que no se desempeñan adecuadamente, jamás descienden de categoría.


a) Forme la matriz de transición T
b) Determine si T es regular, absorbente o ninguna de las 2.
c) Calcule la probabilidad de que un abogado subalterno llegue a socio
d) ¿Cuánto tiempo deberá permanecer en su categoría un abogado subalterno recién contratado?
e) ¿Cuánto tiempo deberá permanecer en la empresa un abogado subalterno recién contratado?
f) Calcule la probabilidad de que un abogado superior llegue a socio.


a) Se hace la matriz T y nos queda:


b) Nótese que la parte azul cielo tiene probabilidades iguales a 1, por lo tanto esta es la parte absorbente de la matriz. Por esta razón es una matriz absorbente.


Ahora se procede a restar la matriz normal de la identidad y se halla la inversa para ver los tiempos entre estados, para posteriormente esta última ser multiplicada por la matriz absorbente y saber las probabilidades de cambios de estado.


c) Al multiplicar la matriz inversa por la Absorbente se puede hallar dicha probabilidad, esta es 0.14


d) Al simplemente hallar la matriz inversa se es posible hallar el tiempo en años que debería permanecer normalmente un abogado subalterno en su compañía, serían 5 años.


e) Cuando piden el tiempo que debería permanecer un abogado subalterno pero durante la empresa sería sumar el tiempo en que se queda como subalterno con el tiempo en que permanece como superior: esto es, 5+2.77= 7.77 años.


f) Por último la probabilidad de que pase de subalterno a socio es mostrado en la última matriz, sería 0,28.


Tomado de : Clase de investigación de operaciones dada por el Ingeniero Industrial Medardo González

Cadenas de markov con estados recurrentes

En esta clase de estados, habrá una distribución de suma de probabilidades que al correr del tiempo llegarán a un estado en el cual no sufrirá más modificaciones, es decir, se llegará a un estado estable.


Para tener una idea más clara sobre éste concepto, se muestra el siguiente ejemplo:



Tres laboratorios farmacéuticos (A,B y C)  que compiten en un principio activo (mismo conjunto homogéneo en la orden de precios de referencia). Hoy sus cuotas de mercado son 30%, 20% y 50% respectivamente:


Este es un ejemplo de cadena de Markov irreductible y ergódica. Todos los estados son recurrentes y están comunicados entre sí, formando una sola clase. Hay solución de estado estable (reparto del mercado a largo plazo, independiente de la situación inicial).

En principio se debe tener presente a la matriz Po o la actual:

Siendo 0.3 la de A, 0.2 la de B y 0.5 la de C

Al multiplicar la matriz de transición con la matriz Po se irán generando las distintas distribuciones al correr el tiempo, como se muestra a continuación:

Existe otra forma de resolver esta clase de estados, llegando simplemente a la matriz estable, sin tener que hallar los demás Pn.

Haciendo L=[x y z]
LT=L

nos quedaría el siguiente sistema de ecuaciones

0.8x + 0.15y + 0.13z = x
0.1x + 0.82y + 0.12z = y
0.1x + 0.03 y + 0.75z = z
x + y + z = 1

Ésta última ecuación se coloca debido a que se debe complicar que la suma de las probabilidades debes ser exactamente igual a 1.

Al resolver este sistema de ecuaciones por el método que más le guste, obtendrá los mismos resultados de la matriz estable, es decir:

x=0.4165
y=0.3722
z=0.21131

Por lo que este método es práctico para los resultados a largo plazo.


Tomado de : Clase de investigación de operaciones dada por el Ingeniero Industrial Medardo González
www.ulpgc.es/descargadirecta.php?codigo_archivo=14483

Cadenas de markov (Conceptos básicos)



DEFINICIÓN

Las cadenas de markov son modelos probabilísticos que se usan para predecir la evolución y el comportamiento a corto y a largo plazo de determinados sistemas.

Ejemplos: reparto del mercado entre marcas; dinámica de las averías de máquinas para decidir política de mantenimiento; evolución de una enfermedad

Una Cadena de Markov (CM) es
  • Un proceso estocástico
  • Con un número finito de estados (M)
  • Con probabilidades de transición estacionarias
  • Que tiene la propiedad markoviana.
PROCESO ESTOCÁSTICO


Es un conjunto o sucesión de variables aleatorias: {X(t)CG } definidas en un mismo espacio de probabilidad. Normalmente el índice t representa un tiempo y X(t) el estado del proceso estocástico en el instante t. El proceso puede ser de tiempo discreto o continuo si G es discreto o continuo. Si el proceso es de tiempo discreto, usamos enteros para representar el índice: {X1, X2, ...}

Ejemplos de procesos estocásticos
1.Serie mensual de ventas de un producto

2. Estado de una máquina al final de cada semana (funciona/averiada)
3. Nº de clientes esperando en una cola cada 30 segundos
4. Marca de detergente que compra un consumidor cada vez que hace la compra. Se supone que existen 7 marcas diferentes
5. Nº de unidades en almacén al finalizar la semana

ELEMENTOS DE UNA CADENA DE MARKOV

  • Un conjunto finito de M estados, exhaustivos y mutuamente excluyentes (ejemplo: estados de la enfermedad)



  • Ciclo de markov (“paso”) : periodo de tiempo que sirve de base para examinar  las transiciones entre estados (ejemplo, un mes)


  • Probabilidades de transición entre estados, en un ciclo (matriz P)


  • Distribución  inicial del sistema entre los M estados posibles

Conceptos más utilizados



  • Operaciones con matrices:
    • Suma-resta
    • Multiplicación
    • Traspuesta
    • Inversa (Gauss-Jordan)
  • Probabilidad
    • Teoría de la probabilidad
Tomado de : Clase de investigación de operaciones dada por el Ingeniero Industrial Medardo González
www.ulpgc.es/descargadirecta.php?codigo_archivo=14483


Gestión de inventario

Aquí se expondrán los 10 mandamientos de la gestión de inventarios:


1. Toda entrada y toda salida debe estar debidamente documentada.


2. Todo ítem (producto, código) debe estar debidamente codificado (formalizado). Ubicación y local.


3. ¡Nunca Jamás! recibir comisiones de un proveedor.


4. En cuanto sea posible, el lugar físico donde se realiza la recepción de materiales debe ser diferente al lugar donde se hace la salida.


5. En cuanto sea posible, todos los ítems deben ser guardados en un mismo lugar.


6. Los ítems de mayor peso y masa, deben ser ordenados de manera que el que pese más esté abajo hasta que el que pese menos esté arriba.


7. Ningún miembro del equipo del almacén se puede ir hasta que no haya un conteo físico de los materiales en donde hubo movimiento.


8. Se debe contar con 3 auditores diferentes y se consignan los que tengan 2 lecturas iguales.


9. Debe haber un extintor a lo más 20 metros de donde se labora.


10. Los reportes de inventario deben estar a lo máximo 3 días de haber hecho el cierre de inventario.

Modelo EOQ (Economic Order Quantity) con demanda probabilística

A diferencia de los otros modelos, aquí ya no hay completa certidumbre sobre la demanda, es decir, no se sabe con certeza.


En éste modelo se necesitan herramientas estadísticas para poder estimar el punto en donde se debe pedir para así no quedarse sin existencias con cierto nivel de confianza.


Ahora se procede a explicar un práctico ejemplo sobre la aplicación de éste modelo:


Supóngase que se quiere pedir cierta cantidad de algún producto en donde se tiene:


Cp= $12
Cu= 6 $/unid
Cmi=20% Cu


En donde:


Cp= Costo de pedir
Cu= Costo de adquisición unitaria
Cmi= Costo por mantener inventario


También se dice que el tiempo de remisión para el pedido es de 1 semana


Se tiene que la media y la desviación estándar del producto son respectivamente:


La demanda estimada es hallada multiplicando la media por la cantidad de semanas que tiene un año (52).
Posteriormente es posible hallar la cantidad óptima y el numero de veces a pedir en el año:

Se utilizará un nivel de seguridad de 5%. Entonces se dice que de 20 pedidos solo 1 podrá estar por debajo de la demanda.

Ahora se incluye el punto de reorden "r", el cual es el punto donde yo debo entrar a pedir para no quedarme si existencias:

Ésto quiere decir que cuando queden 203 unidades, será necesario pedir para no perder con la demanda.

Tomado de: clase de Investigación de Operaciones dada por el ingeniero Medardo González

Modelo EOQ (Economic Order Quantity) con descuentos por cantidades

Básicamente este modelo es una aplicación del modelo general EOQ sin faltante, solo que en éstos casos a medida que se pide más, habrá un descuento que permitirá ahorrar costos.


Al ser una aplicación, se procede a realizar un ejercicio tipo ejemplo sobre cómo se trabaja en éste método.


Supóngase que se tiene la siguiente tabla de descuentos por cantidad:



En donde:

Cu= Costo de adquisición unitario
Cp= Costo por pedir
Cmi= Costo de mantener inventario
D=Demanda (unid/año)

Ahora se buscan las cantidades óptimas para uno de los rangos de descuentos:




Posteriormente se hallan los costos anuales para cada cantidad óptima y se busca el menor. Ésa será la mejor opción de descuento a pedir:




Al ser 24980 el menor de los costos, quiere decir que la mejor alternativa sería escoger la segunda opción de descuento.


Tomado de: clase de Investigación de Operaciones dada por el Ingeniero Industrial, Medardo González

Modelo LEP (Lote económico de producción) con faltante

Este modelo tiene la particularidad de que ya no se piden los productos sino que son producidos por la misma entidad y además se admite faltante.



Tiene las siguientes características:

  • La demanda es constante y conocida.
  • Admite faltante.
  • Existe un costo de mantener inventario.
  • Existe un costo por producir.
  • Existe un costo de operación.
  • Los costos siempre son constantes.
En este modelo la capacidad del sistema o tasa de producción es mayor a la tasa de demanda.

En donde,
R=tasa de producción
d=tasa de demanda

A partir de la información proveniente de la gráfica, es posible determinar la ecuación del costo en un período:




En donde,

De acuerdo a la gráfica también es posible deducir que:

Por consiguiente, se tiene lo siguiente:


A partir de las expresiones previamente halladas, se puede plantear lo siguiente:


Con esto ya se tienen todas las herramientas para plantear la ecuación del costo total con el siguiente procedimiento:


Haciendo A=1-d/R facilitaría mucho el procedimiento para hallar los óptimos.

Al hacer esto y con ayuda del cálculo multivariado se tiene lo siguiente:


Y por último se logra obtener el cantidad y faltante óptimos, los cuales son:


Tomado de: clase de Investigación de Operaciones dada por el ingeniero Medardo González
Shamblin- Stevens. Investigación de Operaciones. Mc Graw-Hill