Matemáticas aplicadas : optimización de inventarios aleatorios
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 par...
Guardado en:
| Hovedforfatter: | |
|---|---|
| Andre forfattere: | , , |
| Format: | Bog |
| Sprog: | spansk |
| Serier: | Textos de lecciones de matemáticas ;
volumen 18 |
| Fag: | |
| Online adgang: | Ver en el OPAC |
| Tags: |
Ingen Tags, Vær først til at tagge denne postø!
|
MARC
| LEADER | 00000nam a22000007i 4500 | ||
|---|---|---|---|
| 007 | ta | ||
| 008 | 180213t2011 ck ||||g |||| 00| 0 spa d | ||
| 999 | |c 171322 |d 171286 | ||
| 020 | |a 9789588692081 | ||
| 037 | |b Editorial: Universidad de Medellín ; Carrera 87 No. 30-65 Bloque 20 segundo piso : e-mail: selloeditorial@udem.edu.co ; www.udem.edu.co | ||
| 040 | |a SV-SsUSB |b spa |e rda | ||
| 082 | 0 | 4 | |a 519 |b L663m |
| 100 | 1 | |a Londoño Marín, Jorge Iván |e autor | |
| 245 | 1 | 0 | |a Matemáticas aplicadas : |b optimización de inventarios aleatorios |c Jorge Iván Londoño, María Andrea Arias, María Eugenia Puerta ; editor Leonardo David López Escobar. |
| 264 | |b Universidad de Medellín |c 2011 | ||
| 300 | |a 78 páginas ; |c 23 x 17 cm | ||
| 336 | |2 rdacontent |a texto |b txt | ||
| 337 | |2 rdamedia |a sin mediación |b n | ||
| 338 | |2 rdacarrier |a volumen |b nc | ||
| 490 | |a Textos de lecciones de matemáticas ; |v volumen 18 | ||
| 500 | |a Resumen tomado del sitio web de la editorial | ||
| 505 | |a Teoría de inventarios -- Modelos aleatorios de inventarios -- Modelo del vendedor de periódicos -- Modelo de inventario base -- Modelo (Q,r) -- Modelo (Q,r) multi-artículo. | ||
| 520 | |a 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. | ||
| 650 | 7 | |2 lemb |a Matemáticas |9 5 | |
| 653 | |a Inventarios aleatorios | ||
| 700 | 1 | |a María Andrea Arias, María Andrea |e autor | |
| 700 | 1 | |a Puerta, María Eugenia |e autor | |
| 700 | 1 | |a López Escobar, Leonardo David |e editor | |
| 942 | |2 Dewey Decimal Classification |c Books | ||
| 990 | |a bc_dina | ||
| 952 | |1 Disponible |2 Dewey Decimal Classification |7 En colección del Staff |8 Colección General |a Biblioteca Central |b Biblioteca Central |c Colección General |d 2017-03-16 |e Prolibros |g 9.25 |i 069883 |k 00770, 00771 |l 0 |o 519 L663m |p 10053077 |r 2018-02-13 00:00:00 |w 2018-02-13 |y Books | ||