A computational model for inventory management and planning
Un modelo computacional para gestión y planeación de inventario
El objetivo de este estudio es determinar los factores del nivel óptimo del inventario de comercialización. El estudio está basado en un modelo matemático, Los resultados revelaron algunos hallazgos interesantes.
La conclusión más importante es que el “Uso de Material” del volumen de ventas no es el determinante real del volumen de inventario. Se concluye en el modelo que el volumen de inventarios depende de la diferencia entre el retorno de la inversión en los inventarios y la tasa de interés sobre depósitos a corto plazo.
Recursos
-
Formatopdf
-
Idioma:inglés
-
Tamaño:290 kb
A markov model for inventory level optimization in supply-chain management
Un modelo Markov para la optimización del nivel de inventarios en la gestión de la cadena de suministro
En el artículo se propone una técnica para el uso en gestión de cadena de suministro que asista la toma del proceso de decisiones para compras de bienes directos. Basados en proyecciones para precios y demanda futuros, se construyeron pedidos de cotización (requests-for-quotes), y se aceptaron cotizaciones que optimizaran el nivel de inventario diariamente, mientras se minimizaba el costo total.
El problema está modelado como un proceso de decisión de Markov (Markov Decision Process, MDP), lo cual permite para la computación de la utilidad de acciones estar basado en las utilidades de estados futuros consecuentes. Se usa entonces programación dinámica para determinar los pedidos de cotización óptimos, y aceptar a cada estado en la MDP.
Recursos
-
Formatopdf
-
Idioma:inglés
-
Tamaño:232 kb
A neuro dynamic programming approach to retailer inventory management
Un enfoque de programación neurodinámico para gestión de inventarios minorista
Los autores presentan un modelo de sistemas de inventario minorista de dos escalones, y proyectan el problema de generar estrategias de control óptimas dentro del marco de trabajo de la programación dinámica. Se formulan dos casos de estudio específicos, para los cuales los problemas de programación dinámica subyacentes involucran 33 y 46 variables de estado, respectivamente. Debido a la enormidad de estos espacios de estado, son inaplicables los algoritmos clásicos de programación dinámica. Para dirigir estos problemas complejos, los autores desarrollaron algoritmos de programación dinámica aproximados.
Los algoritmos están motivados por la investigación reciente en aproximaciones de redes neuronales, y son representativos de algoritmos estudiados en el campo emergente de la programación neurodinámica.
Recursos
-
Formatopdf
-
Idioma:inglés
-
Tamaño:482 kb