Los elementos del costo

Esta aproximación se desprende directamente de los postulados del apartado anterior. Se alza la sospecha de que el análisis del comportamiento de las variables de la función objetivo de la segunda etapa podría revelar elementos interesantes en relación a los errores presentes en el modelo.

La forma de analizar esto consistirá en calcular, mediante la réplica del modelo HW, los valores esperados de: el inventory level promedio por período (IL – HW), la cantidad promedio de lost sale por período (LS – HW). Las mismas cantidades se obtienen para la réplica del modelo SP (IL – SP y LS – SP respectivamente) y se comparan con las anteriores mediante una diferencia porcentual (DIF). Esto se presenta resumidamente en la tabla 6.6 a continuación (debe recordarse la configuración de parámetros que se está utilizando para todos los experimentos):

IL - HW LS - SP DIF LS - HW LS - SP DIF

87,239 60,304 31% 0,0975 0,0743 24%

Tabla 6.6: Diferencias entre IL y LS entre ambos modelos replicados. (Fuente: Elaboración Propia).

Las diferencias son considerables, por lo que se verifica que existe un problema en la forma en que el modelo SP refleja el comportamiento del inventario para la política (R,S).

122

Lo más interesante que surge del análisis de los resultados expuestos en la tabla 6.6 reside en que ambos valores, el iventory level y el lost sale, son menores para el modelo SP. El target level y la periodicidad de revisión es la misma para ambos modelos, y sin embargo el modelo SP presenta un menor inventario promedio y, aun a pesar de esto, menor lost sale.

Es interesante multiplicar los valores calculados por su costo respectivo, a saber, 0,2 para el inventory level y 25 para el lost sale. Realizar este ejercicio resulta en obtener la diferencia de costo entre ambos modelos. Ahora bien, es más interesante simplemente costear la diferencia, que es resultado de multiplicar las diferencias entre los niveles de IL y LS presentados por sus costos respectivos, y luego multiplicar por 12 para obtener la diferencia en términos de costo anual. El resultado de esto se expone a continuación:

Costo Anual de diferencia en IL = (87,239 - 60,304) * 0,2 * 12 = 64,644.

Costo Anual de diferencia en LS = (0,0975 - 0,0743) * 25 * 12 = 6,96.

El costo total de la diferencia, para un año, asciende a 71,604. Esto por sí solo no constituye un aporte. Sin embargo, cuando este costo se le suma al Lower Bound obtenido para esta configuración de parámetros, 310,7, el resultado, 382,304, se vuelve más interesante. Esta cifra se acerca bastante al LW obtenido por Cunha et al. (2017) en su investigación, teniéndose un error de apenas 2,7% respecto a éste. Esta aproximación tan cercana al valor de Cunha et al. (2017) podría sugerir que el la desviación entre el modelo original y la réplica es exactamente la diferencia que se presenta en el IL y el LS. Por supuesto, resultados de esta naturaleza ameritan la extensión del análisis a las demás configuraciones de parámetros, para verificar su potencial.

123

En la tabla 6.7, a continuación, se exponen los resultados de extender el enfoque anterior a las demás configuraciones de los experimentos computacionales. Se recuerda que se mantiene M = 1. En la tabla, (K-Rep) corresponde al costo entregado por la réplica calculado para este propósito con M = 1 y N = 90; (K-dif) corresponde al costo de la diferencia en los valores de IL y LS con respecto a la réplica del modelo HW; (K-exp) muestra la suma de los dos valores anteriores, y es el costo calculado como resultado de este experimento. (K-C) corresponde al Lower Bound del costo total entregado por Cunha et al. (2017); (DIF) muestra la diferencia porcentual entre los últimos dos valores, para verificar cuánto se acerca el costo experimental al costo que debe lograrse.

CF h (K-rep) (K-dif) (K-exp) (K-C) DIF

25 0.2 317,026 71,602 388,628 372,2 4% 0.4 455,691 152,381 608,072 571,8 6% 0.6 549,499 184,787 734,286 720,5 2% 0.2 433,287 90,95 524,237 485,7 7% 50 0.4 605,691 152,381 758,072 718,5 5% 0.6 735,337 233,834 969,171 911,4 6% 0.2 520,093 117,294 637,387 575,1 10% 75 0.4 734,348 193,236 927,584 844,3 9% 0.6 885,337 233,834 1119,17 1062,5 5% 150 0.2 705,984 148,884 854,868 765,4 10% 0.6 1004,29 249,695 1253,99 1119 11% 0.6 1222,57 299,431 1522 1395,5 8%

Tabla 6.7: Extensión de la aproximación 6.4.2 a todas las configuraciones de parámetros. (Fuente: Elaboración Propia).

124

De la tabla es posible observar que, si bien los errores no son muy elevados, aún son lo suficientemente grandes como para concluirse que esta alternativa soluciona el problema. No obstante, a pesar de que esta aproximación no entrega los resultados esperados, sí conduce al siguiente acercamiento en el esfuerzo de encontrar la causa de la falla en la réplica del modelo SP. La única conclusión inescapable de estos experimentos realizados es que, de acuerdo a la columna (K-dif) de la tabla 6.7, existe un evidente problema en el comportamiento de las variables del problema de la segunda etapa, particularmente en lo que concierne al comportamiento de los niveles de inventario a lo largo del horizonte de planificación. Partiendo de la premisa de que la réplica es perfecta, los elementos que pueden generar un comportamiento anómalo en las variables son, por supuesto, los parámetros del problema. Ahora bien, como los costos están claramente estipulados y su aplicación es directa, se puede estimar que el parámetro causando las desviaciones corresponde a la demanda y su comportamiento.

Los parámetros de la demanda fueron generados mediante la herramienta “Generación de Números Aleatorios” de MS Excel 2010, como ya fue mencionado, y se procuró que la introducción de los parámetros de media y varianza fuera correctamente realizada. No obstante, un comportamiento anormal en los niveles de inventario del modelo puede perfectamente ser explicado por una anomalía en la demanda, ya que el nivel de inventario, en definitiva, adquiere su comportamiento directamente del comportamiento de la demanda y su variabilidad.

Con lo anterior en consideración es que se desarrolla una nueva aproximación en el esfuerzo de localizar la causa de la falla en la réplica del modelo SP.

125