Impreso
Matemáticas aplicadas. Optimización de inventarios aleatorios
Jorge Iván Londoño · María Andrea Arias · María Eugenia Puerta
Sello Editorial Universidad de Medellín
Sinopsis
Existe gran variedad de modelos de inventarios, los cuales, de acuerdo con su demanda, se dividen en dos grupos: determinísticos y aleatorios. El objetivo de esta Lección es presentar algunos de los modelos de inventarios aleatorios más importantes los cuales serán optimizados analíticamente; en particular, será considerado el modelo de inventarios (Q, r), donde inicialmente se analizará para un solo artículo con demanda y tiempo de reposición aleatorios con dos políticas de inventario diferentes, una de las cuales consiste en minimizar el costo total conformado por la suma de los costos de preparación, déficit y almacenamiento, y la otra política es minimizar la inversión total del inventario, sujeta a un número máximo de pedidos por período y a un nivel mínimo esperado de satisfacción. Finalmente se considerará el modelo (Q, r) con múltiples artículos y en el cual los pedidos no despachados son considerados pedidos pendientes, y se minimizará la inversión total del inventario, sujeto a número máximo de pedidos por período y a un nivel mínimo esperado de satisfacción. En este último se compararán dos metodologías que son Optimización Simulación, utilizando el software de simulación Simu18 y la metodología de Algoritmos Genéticos; este último, vía procesos de investigación, mostró un mejor comportamiento.El objetivo de esta Lección es presentar algunos de los modelos de inventarios aleatorios más importantes los cuales serán optimizados analíticamente; en particular, será considerado el modelo de inventarios (Q, r), donde inicialmente se analizará para un solo artículo con demanda y tiempo de reposición aleatorios con dos políticas de inventario diferentes, una de las cuales consiste en minimizar el costo total conformado por la suma de los costos de preparación, déficit y almacenamiento, y la otra política es minimizar la inversión total del inventario, sujeta a un número máximo de pedidos por período y a un nivel mínimo esperado de satisfacción. Finalmente se considerará el modelo (Q, r) con múltiples artículos y en el cual los pedidos no despachados son considerados pedidos pendientes, y se minimizará la inversión total del inventario, sujeto a número máximo de pedidos por período y a un nivel mínimo esperado de satisfacción. En este último se compararán dos metodologías que son Optimización Simulación, utilizando el software de simulación Simu18 y la metodología de Algoritmos Genéticos; este último, vía procesos de investigación, mostró un mejor comportamiento.Finalmente se considerará el modelo (Q, r) con múltiples artículos y en el cual los pedidos no despachados son considerados pedidos pendientes, y se minimizará la inversión total del inventario, sujeto a número máximo de pedidos por período y a un nivel mínimo esperado de satisfacción. En este último se compararán dos metodologías que son Optimización Simulación, utilizando el software de simulación Simu18 y la metodología de Algoritmos Genéticos; este último, vía procesos de investigación, mostró un mejor comportamiento.
Contenido
Prólogo
1 Teoría de inventarios
1.1 Introducción
1.2 Preliminares
2 Modelos aleatorios de inventarios
2.1 Modelo del vendedor de periódicos
2.2 Modelo de inventario base
2.3 Modelo (Q,r)
2.4 Modelo (Q,r) multi-artículo
Bibliografía
1 Teoría de inventarios
1.1 Introducción
1.2 Preliminares
2 Modelos aleatorios de inventarios
2.1 Modelo del vendedor de periódicos
2.2 Modelo de inventario base
2.3 Modelo (Q,r)
2.4 Modelo (Q,r) multi-artículo
Bibliografía
Materias
BISAC
- MAT000000. MATEMÁTICAS > General
Thema
- PB. Matemáticas y ciencias > Matemáticas
Propias de la editorial
- Matemática