Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Optimización Clase 21: Optimización Estocástica Profesor: José Manuel Izquierdo Puntos de análisis Optimización, Optimización Estocástica, Mayo-2018 2 • Cómo desarrollar un modelo de optimización cuando las Funciones Objetivo o las Restricciones tienen componentes de incertidumbre las cuales son modeladas mediante el uso de herramientas estocásticas/probabilísticas (no determinísticos) • Cómo desarrollar un modelo de solución para encontrar la solución óptima del modelo estocástico • Qué herramientas de gestión o estrategias comerciales se pueden aplicar para mejorar aún más la solución óptima. Dentro de la gran variedad de modelos e implementaciones de la optimización estocástica centraremos el análisis al estudio del Problema del Vendedor de Periódicos (PVP) “Newsvendor Model” Características del Problema del Vendedor de Periódicos Optimización, Optimización Estocástica, Mayo-2018 3 1. Presencia de una demanda por productos incierta, la cual se modela mediante el ajuste de una distribución de probabilidades normal con media conocida (μ) y desviación estándar conocida (σ). 2. Alto grado de pericibilidad/obsolescencia en los productos comerciales. No es posible de almacenar o inventariar los productos de un período a otro. 3. Existencia de costos en dinero ($) asociados a la pericibilidad/obsolescencia de los productos. No es posible recuperar la totalidad del dinero invertido en el abastecimiento de estos. 4. Pérdida económico indirecta en dinero ($) como reducción de ventas y margen de contribución por no contar con suficientes productos en stock para ser vendidos. Cómo determinar una política de abastecimiento de productos que es determinística cuando la venta de estos mismos productos es probabilística, teniendo en cuenta el alto grado de pericibilidad/obsolescencia no permite recuperar toda la inversión . Ejemplos: Venta de Información, reventa de entradas, venta de productos en estado fresco, venta de equipos tecnológicos, reservas de hoteles y pasajes aéreos, etc. Características del Problema del Vendedor de Periódicos Optimización, Optimización Estocástica, Mayo-2018 4 ������ �� � �������� ��. �� Costos de Sobreponderación (Overage Cost ��) Todos los costos asociados a pérdidas de utilidad dado que al final de la venta quedan unidades sin vender. Cuánta más utilidad hubiese tenido por cada unidad que sobró si se hubiese conocido a ciencia cierta la demanda por productos/servicios. Costos de Subponderación (Underage Cost ��) Todos los costos asociados a pérdidas de utilidad dado que al final de la venta no se fue capaz de satisfacer toda la demanda. Cuánta más utilidad hubiese tenido por cada unidad que se pudo haber tenido en stock y venderla si se hubiese conocido a ciencia cierta la demanda por productos/servicios. Ejemplo de parámetros caso simplificado Optimización, Optimización Estocástica, Mayo-2018 5 Caso Unidades Compradas Unidades Vendidas Stock Final Condición Co unitario Cu unitario Balance Pérdidas 1 400 350 + 50 Sobreponderación -410 - - 20.500 2 400 400 0 Igualdad 0 0 0 3 400 450 - 50 Subponderación - - 115 - 5.750 ������ �� �� � �� = 525 ; ������ ��. �� = 410 → ����� �� �� �� !��ó (�$) = 115 Caso Unidades Compradas Unidades Vendidas Stock Final Condición Co unitario Cu unitario Balance Pérdidas 4 400 350 + 50 Sobreponderación -200 - - 10.000 5 400 400 0 Igualdad 0 0 0 6 400 450 - 50 Subponderación - - 325 -16.250 ������ �� �� � �� = 525 ; ������ ��. �� = 200 → ����� �� �� �� !��ó (�$) = 325 '�(� �� )�� ����!� �* ~ ,(- = 400, / = 100) Balanceo de riesgos y beneficios Optimización, Optimización Estocástica, Mayo-2018 6 0 1 = 0! ��ó �� '�* �� !��ó �� '�(� �� ~ , -, / → �('�(� �� ≤ 1) Definición de curva de demanda Contextualización del problema El ordenar/adquirir una unidad adicional de producto incrementa la chance de sobreponderación y sus costos asociados. Pérdida esperada de la 1é456� unidad por sobreponderación = �7 × 0(1) ... pero por otra parte el ordenar/adquirir una unidad adicional de producto reduce la chance de subponderación y sus costos asociados. Ganancia esperada de la 1é456� unidad por reducción de subponderación = �9 × (1 − 0 1 ) � '�(� �� ≥ 1 = 1 − 0(1) Análisis de riesgos y beneficios de sub/sobreponderar Optimización, Optimización Estocástica, Mayo-2018 7 Caso 1: μ = 400, σ = 100, Co = 410, Cu = 115 Caso 2: μ = 400, σ = 100, Co = 200, Cu = 325 Como puede observarse en los gráficos a medida que se aumenta el número de unidades solicitadas al proveedor, el beneficio esperado por reducción de subponderación va disminuyendo a medida que la pérdida esperada se incrementa por el incremento de la sobreponderación. El comportamiento de ambas curvas quedará definido por los valores de Co y Cu para una misma distribución de probabilidades de venta final de productos. �< · 0 1 �9 · 1 : 0 1 �< · 0 1 �9 · 1 : 0 1 Solución del problema Optimización, Optimización Estocástica, Mayo-2018 8 A fin de maximizar los beneficios esperados para la empresa, se demuestra que la cantidad óptima de unidades a solicitarle al proveedor (Q) se logra cuando el beneficio marginal esperado del ahorro por subponderación es igual al costo marginal esperado por sobreponderación. De esta manera se logra maximizar la utilidad esperada del problema de optimización, donde se tiene lo siguiente: �7 × 0 1 = �9 1 − 0 1 → 0 1 = �9�< + �9 ?�@ó ��í ��� = �B = �9�< + �9 → , - = 0; / = 1 = 0 @ → @ = Φ 0(@) 1∗ = -̂ + @/F 0. G. ∶ ��I J �K���� L*)����� 1 = M �� · �� 1, I · ) I �I − M �� · 1 · )(I) �I @ = Φ 0(@) → '�* �� !��ó ,��(�K N O��*� � �K O�K�� 0(@) Ejemplos Optimización, Optimización Estocástica, Mayo-2018 9 �B = �9�< + �9 = 115 410 + 115 = 0,219 0 @ = 0,219 → @ = Φ 0,219 = −0,776 1∗ = -̂ + @/F = 400 − 0,776 × 100 Caso 1: μ = 400, σ = 100, Pv = 525, Pa = 410 1∗ = 322,4 �B = �9�< + �9 = 325 200 + 325 = 0,619 0 @ = 0,619 → @ = Φ 0,619 = 0,303 1∗ = -̂ + @/F = 400 + 0,303 × 100 Caso 2: μ = 400, σ = 100, Pv = 525, Pa = 200 1∗ = 430,3 N ���*�* ��S� L*). = 322 × 525 = 169.050 ��* �* ��S� = 322 × 410 = 132.020 J �K���� ��S� L*). = 37.030 N ���*�* ��S� L*). = 430 × 525 = 225.750 ��* �* ��S� = 430 × 200 = 86.000 J �K���� ��S� L*). = 139.750 �7 = 410 �9 = 525 − 410 = 115 �7 = 200 �9 = 525 − 200 = 325 Análisis de ejemplos Optimización, Optimización Estocástica, Mayo-2018 10 Caso 1: μ = 400, σ = 100, Pv = 525, Pa= 410 1∗ � 322,4 Caso 2: μ = 400, σ = 100, Pv = 525, Pa = 200 1∗ � 430,3 N ���*�* ��S� L*).� 322 8 525 � 169.050 ��* �* ��S� � 322 8 410 � 132.020 J �K���� ��S� L*). � 37.030 N ���*�* ��S� L*).� 430 8 525 � 225.750 ��* �* ��S� � 430 8 200 � 86.000 J �K���� ��S� L*).� 139.750 Estrategias de acción para mejorar resultados PVP Optimización, Optimización Estocástica, Mayo-2018 11 Con el objetivo de reducir la variabilidad (incertidumbre) de la demanda por productos/servicios en sectores con márgenes ajustados (ver análisis en anexo), las suscripciones permiten disociar la demanda entre una cantidad fija y conocida y otra variable, de manera que al contar con una cantidad fija la variabilidad (σ) de la parte variable sea menor. Idealmente en un proceso de suscripción se busca que la cantidad fija sea mayor a la media de la función de demanda original, razón por la cual se ofrece un descuento por suscripción para lograr este objetivo, pero lamentablemente no siempre funciona. Suscripciones En la misma línea que las suscripciones, las ventas anticipadas buscan reducir la variabilidad (σ) de la demanda por productos, en la cual al ofrecer un descuento antes de tener el producto a listo para venta logra asegurar demanda y por ende reducir la incertidumbre. Las ventas anticipadas son una estrategia muy utilizada desde el punto de vista de desarrollo de proyectos/productos donde el hecho depoder garantizar flujos futuros y reducir la incertidumbre permite a las empresas/desarrolladores obtener mejores condiciones de financiamiento e inversión, ej: venta de departamentos en verde, ventas anticipadas de recitales. Ventas anticipadas Estrategias de acción para mejorar resultados PVP Optimización, Optimización Estocástica, Mayo-2018 12 Suscripciones Estrategias de acción para mejorar resultados PVP Optimización, Optimización Estocástica, Mayo-2018 13 Ventas anticipadas Estrategias de acción para mejorar resultados PVP Optimización, Optimización Estocástica, Mayo-2018 14 Ventas anticipadas Estrategias de acción para mejorar resultados PVP Optimización, Optimización Estocástica, Mayo-2018 15 Dado que a la empresa productora le interesa que se vendan la mayor cantidad de productos/servicios y dado que la incertidumbre inhibe al distribuidor a solicitar un pedido de mayor tamaño por miedo a incrementar sus costos de sobreponderación, la empresa productora puede ofrecer una política de recomprarle (Pr) a distribuidor las unidades que el no venda a un precio fijo. Recompra de inventario perecible/obsoleto Caso 1: μ = 400, σ = 100, Pv = 525, Pa = 410, Pr = 0 �7 = 410 − 0 = 410 �9 = 525 − 410 = 115 �B = �9�< + �9 = 115 410 + 115 = 0,219 0 @ = 0,219 → @ = Φ 0,219 = −0,776 1∗ = -̂ + @/F = 400 − 0,776 × 100 1∗ = 322,4 Caso 2: μ = 400, σ = 100, Pv = 525, Pa = 410, Pr = 50 �7 = 410 − 50 = 360 �9 = 525 − 410 = 115 �B = �9�< + �9 = 115 360 + 115 = 0,242 0 @ = 0,242 → @ = Φ 0,242 = −0,697 1∗ = -̂ + @/F = 400 − 0,697 × 100 1∗ = 330,3 Estrategias de acción para mejorar resultados PVP Optimización, Optimización Estocástica, Mayo-2018 16 Considere una tienda de ropa, donde en la actual temporada otoño invierno un chaleco es vendido en $22.000 a los clientes siendo este importado desde China a un costo de $12.500, la tienda ofrece a sus vendedores una comisión de un 2,5% del precio de venta a clientes si los vendedores son capaces de venderlo. El estudio de mercado prevé que la demanda por chalecos distribuirá normal con media μ=555 y σ = 123. Determine el pedido óptimo de chalecos que debe hacer la tienda al proveedor Chino si no es posible realizar una liquidación de temporada como también determine el pedido óptimo si la tienda considera la posibilidad de realizar una liquidación al 50% del valor original de venta donde si se liquida el vendedor no recibe comisión por venta. Recompra de inventario perecible/obsoleto (liquidación) Caso 1: μ = 555, σ = 123 Pv = 22.000, Pa = 12.500,C=2,5% Pl = 0 �7 = 12.500 − 0 = 12.500 �9 = 22.000 − 12.500 − 0,025 · 22.000 = 8.950 �B = �9�< + �9 = 8.950 12.500 + 8.950 = 0,417 0 @ = 0,417 → @ = Φ 0,417 = −0,209 1∗ = -̂ + @/F = 555 − 0,209 · 123 1∗ = 529,3 �7 = 12.500 − 11.000 = 1.500 �9 = 22.000 − 12.500 − 0,025 · 22.000 = 8.950 �B = �9�< + �9 = 8.950 1.500 + 8.950 = 0,856 0 @ = 0,856 → @ = Φ 0,856 = 1,064 1∗ = -̂ + @/F = 555 + 1,064 · 123 1∗ = 685,9 Caso 2: μ = 555, σ = 123 Pv = 22.000, Pa = 12.500,C=2,5%, Pl = 11.000 Estrategias de acción para mejorar resultados PVP Optimización, Optimización Estocástica, Mayo-2018 17 La segmentación de clientes es una estrategia muy utilizada por las aerolíneas y hoteles, los cuales además de tener políticas comerciales de venta anticipada de servicios para reducir la volatilidad en un segmento de márgenes estrechos, utilizan la estrategia de identificar a sus clientes para segmentarlos principalmente en dos categorías: Pasajeros que viajan por motivos de Turismo y pasajeros que viajan por motivos de trabajo en su empresa (Negocios). El segmento Turista se caracteriza por tener un alto volumen pero es muy sensible al nivel de precios, es decir, presenta un alto nivel medio en la demanda esperada (μ) pero es muy alta su variabilidad (σ) y tiene como tendencia una menor predisposición de pago que el segmento ejecutivo. Por otro lado el segmento Negocios es menos sensible al nivel de precios, presenta un nivel bajo de demanda esperara pero tiene una baja variabilidad. Ante esta situación las aerolíneas y hoteles logran identificar con gran eficacia el tipo de reserva que un cliente está realizando y adecuan sus precios de manera de disponer de suficientes espacios (asientos/habitaciones) para los clientes ejecutivos y controlar el número de espacios disponibles a clientes turistas a fin de asegurarse una cantidad mínima que rentabilice el negocio Segmentación de clientes y tarifas (Yield management) Estrategias de acción para mejorar resultados PVP Fuente: Latam Airlines Group Optimización, Optimización Estocástica, Mayo-2018 18 Segmentación de clientes y tarifas (Yield management) Estrategias de acción para mejorar resultados PVP Optimización, Optimización Estocástica, Mayo-2018 19 Zara, Inditex, tiene por política que las prendas de vestir de una tienda no se trasladan a otra tienda si un cliente lo solicita. La idea detrás de esta política es forzar al cliente a tomar su decisión de compra de vestuario en el momento ya que bajo la venta de productos Fast-Fashion fuerzan al cliente a tomar la decisión en el acto evitando posible cotizaciones entre productos sustitutos o similares ya que se induce al cliente a pensar de la siguiente manera “Si no lo compro ahora se va a agotar” o “Si no lo compro ahora la moda va a dejar de existir”. Zara es la empresa de vestuario líder a nivel mundial, las liquidaciones de inventario y descuentos asociados en Zara son muy reducidos de manera de evitar que el cliente tenga la percepción “Prefiero esperar que pase la temporada para comprar con precios de descuento”. La idea de Zara es evitar a lo mínimo las pérdidas por sobreponderación e inducir al cliente de manera de reducir de la misma manera lo mínimo las pérdidas asociadas a subponderación con su modelo de Fast- Fashion Celebrity designer. Reservas de Avión, Hoteles, Amazon: El sistema revisa el número IP de quien cotiza de manera que si no hace la compra la primera vez, la próxima vez que vuelva a ingresar a la página no encontrará los precios reducidos u oferta de la primera vez. El sistema busca evitar que se cotice con las distintas alternativas de manera de reducir la variabilidad de la demanda de consumidores. Demanda Instantánea Estrategias de acción para mejorar resultados PVP Optimización, Optimización Estocástica, Mayo-2018 20 Estrategias de acción para mejorar resultados PVP Optimización, Optimización Estocástica, Mayo-2018 21 En industrias en las cuales los activos fijos son arrendados consecutivamente, en una primera instancia el realizar una inversión en compra de activo fijo implica analizar cuántos arriendos son necesarios para pagar la inversión, para ejemplificar esta situación consideremos lo siguiente: Blockbuster años 90. El precio de adquirir una película en VHS con los derechos para ser reproducida por el público US$ 60 donde el videoclub franquiciado debe de comprarle la película a Blockbuster Internacional. El video club franquiciado la arrendaba a 3 (US$/arriendo), se necesitan 20 arriendos para recién recuperar la inversión. El videoclub franquiciado no sabe a ciencia cierta cuántos arriendos es capaz de realizar por cada película y tiende a inhibirse de comprar más títulos en VHS a Blockbuster Internacional por temor a no recuperar la inversión. Nueva política de aprovisionamiento de Blockbuster Internacional. Venderle a los videoclubs los VHS al costo US$ 40, pero el precio del arriendo sube de 3 a 4 (US$/arriendo) y el US$1 incremental del arriendo es propiedad de Blockbuster Internacional. Esta medida implicó que Blockbuster incrementara en un 52% su participación de mercado en USA, ya que sus actuales videoclub franquiciados demandaron una considerable mayor cantidad de películas al reducirse la incertidumbre de recuperar la inversión ya que de 20 arriendos necesarios, la cifra bajó a 13, con lo cual los locales afiliados a Blockbuster si bien cobraban más caro que la competencia, existía mayor variedad de títulos disponiblesy muchos videoclubs no afiliados al ver que existía más certeza en recuperar la inversión se afiliaron a Blockbuster. Por el lado de Blockbuster, el hecho de resignar ganancias en la venta de los VHS fue más que compensado por recibir ese US$ adicional del arriendo de una masa mucho más grande de títulos que se arriendan Reciprocidad de Beneficios (Revenue Shareing) Optimización Clase 21: Optimización Estocástica Anexo de Ejercicios Trajes de Baño Ejercicio propuesto profesor M. Rojas, U. Andes Optimización, Optimización Estocástica, Mayo-2018 23 Una empresa de retail compra trajes de baño para la temporada de verano. La firma compra sus trajes de baño desde un proveedor barato desde China, pero solo puede hacer una sola compra por año. La demanda estimada es en promedio de 5.000 unidades, con una desviación estándar de 1.000 unidades. El precio de venta es de $20.000 por cada traje de baño, así también el costo para la empresa es de $5.000 por unidad. Asuma que los productos no vendidos se pierden. a) ¿Cuánto inventario debería importar la firma desde China de modo de maximizar su utilidad esperada? b) Suponga que las unidades que no se pueden vender en la temporada se pueden enviar a un outlet de la firma y venderse con un 40% de descuento del precio de lista original, señale ahora cuál sería su política óptima de inventario y compárela con la solución de a), explique en palabras, en caso de existir, porqué es diferente. c) Considere el escenario de b) pero ahora con un 90% de descuento, ¿qué ocurre con la política de inventario? Comente. d) Suponga (basado en el caso de a)) que el proveedor de los trajes de baño está muy interesado en entrar a Chile y propone un subsidio por unidad vendida a la empresa de retail. Determine cuánto debe ser el subsidio por unidad que permite el mismo nivel de inventario que en c). Explique si tiene lógica económica Trajes de Baño: Solución Optimización, Optimización Estocástica, Mayo-2018 24 �B = �9�< + �9 = 15.000 5.000 + 15.000 = 0,75 0 @ = 0,75 → @ = Φ 0,75 = 0,674 1∗ = -̂ + @/F = 5.000 + 0,674 × 1.000 μ = 5.000, σ = 1.000 Pv = 20.000, Pa = 5.000 1∗ = 5.674 �7 = 5.000 �9 = 20.000 − 5.000 = 15.000 a) ¿Cuánto inventario debería importar la firma desde China de modo de maximizar su utilidad esperada? Trajes de Baño: Solución Optimización, Optimización Estocástica, Mayo-2018 25 �B = �9�< + �9 = 15.000 −7.000 + 15.000 = 1,875 0 @ = 1,875 → @ = Φ 1,875 = No existe μ = 5.000, σ = 1.000 Pv = 20.000, Pa = 5.000, Pliquidacion = 12.000 �7 = 5.000 − 12.000 = −7.000 �9 = 20.000 − 5.000 = 15.000 b. Suponga que las unidades que no se pueden vender en la temporada se pueden enviar a un outlet de la firma y venderse con un 40% de descuento del precio de lista original, señale ahora cuál sería su política óptima de inventario y compárela con la solución de a), explique en palabras, en caso de existir, porqué es diferente. Como la razón crítica es mayor a 1 deberíamos pedir una cantidad infinita ya que el costo de sobreponderar es negativo, pediría todo el inventario que pueda. Trajes de Baño: Solución Optimización, Optimización Estocástica, Mayo-2018 26 �B = �9�< + �9 = 15.000 3.000 + 15.000 = 0,833 0 @ = 0,833 → @ = Φ 0,833 = 0,967 μ = 5.000, σ = 1.000 Pv = 20.000, Pa = 5.000, Pliquidacion = 2.000 �7 = 5.000 − 2.000 = 3.000 �9 = 20.000 − 5.000 = 15.000 La cantidad a importar sube de 5.674 a 5.967, esto se debe que al disminuir el costo por sobreponderar dado la posibilidad de realizar una liquidación, el importador sufre menos por cada unidad no vendida, con lo cual aumenta su pedido c) Considere el escenario de b) pero ahora con un 90% de descuento, ¿qué ocurre con la política de inventario con respecto al escenario descrito en a)? Comente. 1∗ = -̂ + @/F = 5.000 + 0,967 × 1.000 1∗ = 5.967 Trajes de Baño: Solución Optimización, Optimización Estocástica, Mayo-2018 27 �B = �9�< + �9 = 15.000 + I 5.000 + 15.000 + I = 0,833 → I = 10.000 0 @ = 0,833 → @ = Φ 0,833 = 0,967 μ = 5.000, σ = 1.000 Pv = 20.000, Pa = 5.000, Psubsidio = x �7 = 5.000 �9 = 20.000 − 5000 + I = 15.000 + I Para mantener la cantidad de 5.967, es necesario que en vez de realizar una liquidación a un valor de $2.000 cada traje de baño, el proveedor Chino pague un subsidio de $10.000 por cada unidad, lo cual no presenta mucha lógica económica ya que el subsidio sería casi 2 veces el valor de venta, con lo cual al proveedor Chino sería más conveniente recomprar las unidades no vendidas por el cliente en Chile a $2.000 cada una en vez de entregar un subsidio de $10.000 por cada unidad vendida. 1∗ = -̂ + @/F = 5.000 + 0,967 × 1.000 1∗ = 5.967 d) Suponga (basado en el caso de a) que el proveedor de los trajes de baño está muy interesado en entrar a Chile y propone un subsidio por unidad vendida a la empresa de retail. Determine cuánto debe ser el subsidio por unidad que permite el mismo nivel de inventario que en c). Explique si tiene lógica económica. Análisis de aumento de variabilidad: Márgenes estrechos Optimización, Optimización Estocástica, Mayo-2018 28 �B = �9�< + �9 = 75 300 + 75 = 0,20 0 @ = 0,2 → @ = Φ 0,2 = −0,84 1∗ = -̂ + @/F = 350 − 0,84 × 100 Caso 1: μ = 350, σ = 100, Pv = 375, Pa = 300 1∗ = 266 �B = �9�< + �9 = 75 300 + 75 = 0,20 0 @ = 0,2 → @ = Φ 0,2 = −0,84 1∗ = -̂ + @/F = 350 − 0,84 × 190 Caso 2: μ = 350, σ = 190, Pv = 375, Pa = 300 1∗ = 190 N ���*�* ��S� L*). = 266 × 375 = 99.750 ��* �* ��S� = 266 × 300 = 79.800 J �K���� ��S� L*). = 19.950 N ���*�* ��S� L*). = 190 × 375 = 71,250 ��* �* ��S� = 190 × 300 = 57.000 J �K���� ��S� L*). = 14.250 �7 = 300 �9 = 375 − 300 = 75 �7 = 300 �9 = 375 − 300 = 75 En industrias con márgenes ajustados (Co > Cu), el aumento de la variabilidad medida implica que la venta de productos (Q*) es menor por el riesgo a sobreponderar, lo cual acarrea que las utilidades esperadas sean menores Análisis de aumento de variabilidad: Márgenes amplios Optimización, Optimización Estocástica, Mayo-2018 29 �B = �9�< + �9 = 105 90 + 105 = 0,538 0 @ = 0,538 → @ = Φ 0,538 = 0,095 1∗ = -̂ + @/F = 210 + 0,095 × 70 Caso 3: μ = 210, σ = 70, Pv = 195, Pa = 90 1∗ = 217 �B = �9�< + �9 = 105 90 + 105 = 0,538 0 @ = 0,538 → @ = Φ 0,538 = 0,095 1∗ = -̂ + @/F = 210 + 0,095 × 120 Caso 4: μ = 210, σ = 120, Pv = 195, Pa = 90 1∗ = 221 N ���*�* ��S� L*). = 217 × 195 = 42.315 ��* �* ��S� = 217 × 90 = 19.530 J �K���� ��S� L*). = 22.785 N ���*�* ��S� L*). = 221 × 195 = 43.095 ��* �* ��S� = 221 × 90 = 19.890 J �K���� ��S� L*). = 23.205 �7 = 90 �9 = 195 − 90 = 105 �7 = 90 �9 = 195 − 90 = 105 En industrias con márgenes amplios (Cu > Co), el aumento de la variabilidad medida implica que la venta de productos (Q*) es mayor por el riesgo a subponderar, lo cual acarrea que las utilidades esperadas sean mayores Ejercicios propuestos Optimización, Optimización Estocástica, Mayo-2018 30 Caso 5: μ = 700, σ = 107, Pv = $1.120, Pa = $970 Comisión del vendedor = 3% del Precio de Venta si se realiza la venta. Proveedor se compromete a recomprar los productos sobrantes a $300 cada uno �B = �9�< + �9 = 116,4 670 + 116,4 = 0,148 �7 = 970 − 300 = 670 �9 = 1.120 − 1.120(0,03) − 970 = 116,4 0 @ = 0,148 → @ = Φ 0,148 = −1,045 1∗ = -̂ + @/F = 700 − 1,045 × 107 1∗ = 588 Optimización probabilística: Rolling Stones Optimización, Optimización Estocástica, Mayo-2018 31 Usted se encuentra a cargo de la comercialización de las entradas del próximo recital de los Rolling Stones (La mejor banda de Classic rock de la historia, no es necesario hacer otro tipo de análisis, no insista) el 3 de febrero en el estadio nacional para lo cual su empresa ha de realizar una solicitud de compra de entradas a D&G medios (productora del evento) para las localidades de cancha ytribuna. D&G medios ha acordado con usted que le venderá las entradas de cancha y tribuna en $140.000 y $61.000 respectivamente. Usted ha encargado a MIJ consultores un estudio de demanda para ambas localidades teniendo como resultado que se espera una distribución normal μ = 5.700, σ = 1.500 para localidades cancha y μ = 32.000 σ = 2.500 para localidades tribuna. Con estas cifras en la mano se ha decidido que el precio a público general será de $200.000 para cancha y $90.000 para tribuna. Determine la cantidad óptima de entradas que debe de solicitarle a D&G medios para maximizar sus beneficios económicos, y cuánto dinero espera ganar con la venta de entradas. Adicionalmente su jefe le ha solicitado realizar un análisis para evaluar una posible venta anticipada de entradas a un 90% y cómo el precio es más barato MIJ consultores ha determinado que la demanda por entradas se comportaría de la siguiente manera: cancha μ=6.100, σ=1.100 y tribuna μ = 39.000 σ = 2.200. Es una buena idea hacer preventa a este precio con esos datos Rolling Stones: Análisis NVP Optimización, Optimización Estocástica, Mayo-2018 32 �B = �9�< + �9 = 60.000 140.000 + 60.00 = 0,300 0 @ = 0,300 → @ = Φ 0,300 = −0,524 1∗ = -̂ + @/F = 5.700 − 0,524 × 1.500 μ = 5.700, σ = 1.500 Pv = 200.000, Pa = 140.000 1∗ = 4.913 N ���*�* ��S� L*). = 4.913 × 200.000 = 983�� ��* �* ��S� = 4.913 × 140.000 = 688�� J �K���� ��S� L*). = 295�� �7 = 140.000 �9 = 200.000 − 140.000 = 60.000 Cancha Tribuna �B = �9 �< + �9 = 29.000 61.000 + 29.00 = 0,322 0 @ = 0,322 → @ = Φ 0,322 = −0,461 1∗ = -̂ + @/F = 32.000 − 0,461 × 2.500 μ = 32.000, σ = 2.500 Pv = 90.000, Pa = 61.000 1∗ = 30.846 N ���*�* ��S� L*). = 30.846 × 90.000 = 2.276�� ��* �* ��S� = 30.846 × 61.000 = 1.881�� J �K���� ��S� L*). = 894�� �7 = 61.000 �9 = 90.000 − 61.000 = 29.000 Rolling Stones: Caso preventa Optimización, Optimización Estocástica, Mayo-2018 33 �B = �9 �< + �9 = 40.000 140.000 + 40.00 = 0,222 0 @ = 0,222 → @ = Φ 0,222 = −0,765 1∗ = -̂ + @/F = 6.100 − 0,765 × 1.100 μ = 6.100, σ = 1.100 Pv = 180.000, Pa = 140.000 1∗ = 5.259 N ���*�* ��S� L*). = 5.259 × 180.000 = 947�� ��* �* ��S� = 5.259 × 140.000 = 736�� J �K���� ��S� L*). = 210 �� �7 = 140.000 �9 = 180.000 − 140.000 = 40.000 Preventa Cancha Preventa Tribuna �B = �9 �< + �9 = 20.000 61.000 + 20.00 = 0,247 0 @ = 0,247 → @ = Φ 0,247 = −0,684 1∗ = -̂ + @/F = 39.000 − 0,684 × 2.200 μ = 39.000, σ = 2.200 Pv = 81.000, Pa = 61.000 1∗ = 37.495 N ���*�* ��S� L*). = 37.495 × 81.000 = 3.037�� ��* �* ��S� = 37.495 × 61.000 = 2.287�� J �K���� ��S� L*). = 750�� �7 = 61.000 �9 = 81.000 − 61.000 = 20.000 Optimización probabilística: Rolling Stones 2 Optimización, Optimización Estocástica, Mayo-2018 34 Ante el certero éxito del recital de los Rolling Stones, otra empresa ha decidido negociar con D&G Medios la comercialización de entradas pero sólo del segmento Tongue Pit VIP Premium la cual según precio de lista alcanza los $575.000 para venta a clientes, siendo un segmento tan exclusivo el estudio de demanda entrega como resultado μ = 500 σ = 120. D&G Medios le dispondrá de esta entrada a $463.000 y dado lo exclusivo de este segmento se ha decidido contratar a un grupo de vendedores a los cuales se les pagará un 3% del valor a clientes como comisión. Por otro lado ante la perspectiva de tener un riesgo económico tan grande en la eventualidad de no poder llegar a vender todas las entradas VIP, la empresa estaría dispuesta de vender aquellas entradas no vendidas durante la mañana del recital en la entrada del estadio a precio cancha $200.000 para asegurarse la venta aunque sea con pérdidas ya que al tratarse de la mejor banda de Classic Rock de la historia (cosa que nadie discute) van a existir de todas maneras fanáticos que si bien no lograron adquirir mediante los canales regulares una entrada de cancha irán a probar suerte al estadio el día del recital. Debido al hecho que la entrada tuvo que ser liquidada a última hora en el estadio, se considera que el vendedor no logró su objetivo, razón por la cual no se le pagará su comisión. Rolling Stones 2: Caso entrada VIP comisión y liquidación Optimización, Optimización Estocástica, Mayo-2018 35 �B = �9 �< + �9 = 112.000 463.000 + 112.000 = 0,195 0 @ = 0,195 → @ = Φ 0,195 = −0,86 1∗ = -̂ + @/F = 500 − 0,86 × 120 μ = 500, σ = 120 Pv = 575.000, Pa = 463.000 1∗ = 397 �7 = 463.000 �9 = 575.000 − 463.000 = 112.000 VIP Normal sin comisión ni liquidación VIP Comisión/Liquidación �B = �9�< + �9 = 94.750 263.000 + 94.750 = 0,265 0 @ = 0,265 → @ = Φ 0,265 = −0,628 1∗ = -̂ + @/F = 500 − 0,628 × 120 μ = 500, σ = 120 Pv = 575.000, Pa = 463.000 Com.=17.250, Pliquida.=200.000 1∗ = 425 �7 = 463.000 − 200.000 = 263.000 �9 = 575.000 − 463.000 − 17.250 = 94.750 Optimización probabilística: Seguir a la Roja Optimización, Optimización Estocástica, Mayo-2018 36 Football&Travel (FT) es una agencia de turismo que se dedica a la venta de paquetes turísticos para fanáticos del “Deporte Más Hermoso del Mundo” que quieran seguir a sus equipos en partidos fuera de Chile. En esta oportunidad FT se encuentra vendiendo paquetes turísticos para la próxima Copa Confederaciones, donde seguir a la selección Chilena durante la fase de grupos cuesta USD $7.500 por persona, esto incluye pasaje aéreo en clase turista, hospedaje en hotel tres estrellas, y entradas en categoría media. El costo interno para FT de organizar este paquete turístico alcanza los USD $6.100 por pasajero, y dada la alta demanda por pasajes, hoteles y entradas, FT debe realizar reservaciones con 120 días de anticipación y pagar por anticipado todos los costos asociados. El estudio de mercado realizado por FT indica que se espera una demanda normal con media 1.680 y una desviación estándar de 240. i. Justifique conceptualmente por qué modelaría este problema mediante los conceptos descritos en clase sobre el Problema del Vendedor de Periódicos (News Vendor Model) ii. Determine la cantidad de reservaciones que debiese realizar por anticipado FT de manera de maximizan la utilidad esperada. Indique cuánto serían los beneficios económicos totales en dinero que espera obtener FT. iii. Si a última hora FT decidiera realizar una oferta de último minuto por paquetes turísticos que no se logran vender justo el día antes del debut de la selección Chilena por USD $4.500 a cuánto se espera que varíe el número de reservaciones que haría con las aerolíneas-hoteles-entradas de manera de maximizar sus beneficios bajo el criterio del valor esperado Seguir a la Roja: Solución Optimización, Optimización Estocástica, Mayo-2018 37 i. Justifique conceptualmente por qué modelaría este problema mediante los conceptos descritos en clase sobre el Problema del Vendedor de Periódicos (News Vendor Model) 1. Debido a que FT enfrenta una demanda incierta modelada a través de una distribución de probabilidades normal. 2. El producto ofrecido es un servicio con un alto nivel de perecibilidad u obsolescencia, debido al hecho que una vez terminada la Copa América Centenario será imposible vender ese producto en específico. 3. El hecho de tener que reservar y pagar por anticipado la futura demanda implica que el hecho de no poder vender un cierto número de paquetes turísticos implica una pérdida, y dado el hecho que el haber reservado una cantidad inferior de paquetes a los efectivamente solicitados por los clientes se incurre en una pérdida potencial por no haber satisfecho la totalidad de la demanda. ii. Determine la cantidad de reservaciones que debiese realizar por anticipado FT de manera de maximizan la utilidad esperada. Indique cuánto serían los beneficios económicos totales en dinero que espera obtener FT. �< = 6.100 �9 = 7.500 − 6.100 = 1.400�\ = 1.4006.100 + 1.400 = 0,187 �\ = 0 @ = 0,187 → @ = ] 0,187 = −0,890 Seguir a la Roja: Solución Optimización, Optimización Estocástica, Mayo-2018 38 ii. Determine la cantidad de reservaciones que debiese realizar por anticipado FT de manera de maximizan la utilidad esperada. Indique cuánto serían los beneficios económicos totales en dinero que espera obtener FT. 1∗ = - + @/ = 1.680 − 0.890 · 240 = 1.466 N ���*�*� �� ��S� = 1.466 · 7.500 = 10.995.000 ��* � �� ��S� = 1.466 · 6.100 = 8.942.600 J �K���� = 1.466 · 1.400 = 2.052.400 iii. Si a última hora FT decidiera realizar una oferta de último minuto por paquetes turísticos que no se logran vender justo el día antes del debut de la selección Chilena por USD $4.500 a cuánto se espera que varíe el número de reservaciones que haría con las aerolíneas-hoteles-entradas de manera de maximizar sus beneficios bajo el criterio del valor esperado �< = 6.100 − 4.500 = 1.600 �9 = 7.500 − 6.100 = 1.400 �\ = 1.4001.600 + 1.400 = 0,467 �\ = 0 @ = 0,467 → @ = ] 0,467 = −0,084 1∗ = - + @/ = 1.680 − 0.084 · 240 = 1.660 Seguir a la Roja 2 Optimización, Optimización Estocástica, Mayo-2018 39 Un análisis más detallado de la demanda ha evidenciado que existen 2 tipos de potenciales clientes, los cuales se segmentan de acuerdo a la disposición a pagar y calidad del servicio entregado, razón por la cual se estaría decidiendo ofrecer un servicio Clase A regular que incluye pasaje aéreo en clase turista en vuelo con 2 escalas, alojamiento en hotel 2 estrellas y entradas en localidad galería, y un servicio Categoría VIP que incluye pasaje aéreo en clase turista vuelo sin escalas, alojamiento en hotel 4 estrellas, y entradas en categoría preferencial. El precio del paquete Clase A alcanza los USD $6.500, mientras que el servicio Categoría VIP alcanza los USD $11.000. Por su parte la demanda esperada del paquete Clase A distribuye Normal con media 1.100 y una desviación estándar de 300, mientras que el servicio de Categoría VIP presenta una media de 580 con una desviación estándar de 110. Finalmente, los costos asociados a los programas turísticos alcanzan los USD $5.700 y USD$ 8.900 para las Categorías A y VIP respectivamente. En base a lo anterior se pide lo siguiente: iv. Qué tipo de estrategia comercial está realizando FT con la posibilidad de ofrecer 2 tipos de paquetes turísticos. v. Determine la cantidad de reservaciones que debiese realizar por anticipado FT de manera de maximizan la utilidad esperada para paquetes Clase A y VIP por separado. Indique cuánto serían los beneficios económicos totales en dinero que espera obtener FT para cada categoría de paquete turístico. Seguir a la Roja 2: Solución Optimización, Optimización Estocástica, Mayo-2018 40 iv. Qué tipo de estrategia comercial está realizando FT con la posibilidad de ofrecer 2 tipos de paquetes turísticos. FT se encuentra aplicando una estrategia de Yield Management, donde la demanda por paquetes turísticos se ha dividido en dos segmentos de clientes conforme a la disposición a pagar por tipo de paquete turístico, lo cual redunda en que la distribución de probabilidades primitiva se subdivide en 2 distribuciones de probabilidades acorde a las condiciones de cada segmento objetivo. v. Determine la cantidad de reservaciones que debiese realizar por anticipado FT de manera de maximizan la utilidad esperada para paquetes Clase A y VIP por separado. Indique cuánto serían los beneficios económicos totales en dinero que espera obtener FT para cada categoría de paquete turístico. �<^ = 5.700 �9^ = 6.500 − 5.700 = 800 �\^ = 800800 + 5.700 = 0,123 �<_`a = 8.900 �9_`a = 11.000 − 8.900 = 2.100 �\_`a = 2.1002.100 + 8.900 = 0,191 �\^ = 0 @� = 0,123 → @� = ] 0,123 = −1,160 �\_`a = 0 @O�) = 0,191 → @O�) = ] 0,191 = −0,875 Seguir a la Roja 2: Solución Optimización, Optimización Estocástica, Mayo-2018 41 v. Determine la cantidad de reservaciones que debiese realizar por anticipado FT de manera de maximizan la utilidad esperada para paquetes Clase A y VIP por separado. Indique cuánto serían los beneficios económicos totales en dinero que espera obtener FT para cada categoría de paquete turístico. 1^ ∗ = -^ + @̂ /̂ = 1.110 − 1,16 · 300 = 752 1_`a∗ = -_`a + @_`a/_`a = 580 − 0,875 · 110 = 484
Compartir