Métodos de dimensionado de lote

Cada método decide cuántos períodos consecutivos agrupa en un mismo lote. La diferencia entre ellos está en el criterio de parada: cuándo dejar de añadir períodos y cerrar el lote actual.

L×L

Lote por Lote (Lot-for-Lot)

Referencia

Se produce exactamente la demanda de cada período. Nada más.

\[Q_t = d_t \quad \forall t \;|\; d_t > 0\]
Inventario: Siempre cero al final del período
Holding cost: 0 €
Setup cost: Máximo (un setup por período con demanda > 0)
Cuándo es óptimo: cuando \(h \gg S\), el coste de mantener stock supera el de lanzar pedidos
T*

Período Fijo (Fixed Period Quantity)

Simple

Calcular el período óptimo continuo T* y producir siempre para ese número fijo de períodos.

\[T^* = \sqrt{\frac{2S}{h \cdot \bar{d}}}\]

donde \(\bar{d}\) es la demanda media. Producir cada T* períodos la demanda acumulada de los siguientes T* períodos.

Simple: un solo parámetro T*
Ignora: la variabilidad real de la demanda en cada período
Cuándo usar: demanda relativamente estable, quiero un parámetro fijo en el ERP
SM

Silver-Meal

Heurística eficiente

Añadir períodos al lote actual mientras el coste medio por período descienda. Parar en el momento que suba.

Si el lote actual empieza en el período \(i\) y cubre hasta el período \(i+k-1\):

\[C_{SM}(k) = \frac{S + h \sum_{j=1}^{k-1} j \cdot d_{i+j}}{k}\]

Criterio: incluir el período \(k+1\) si \(C_{SM}(k+1) \leq C_{SM}(k)\); en caso contrario, cerrar el lote y empezar uno nuevo.

Coste: suele quedar a ≤5% del óptimo
Computacional: O(n), muy rápido
Cuándo usar: entornos MRP con demanda conocida por períodos; es la regla más habitual en ERP
LUC

Mínimo Coste Unitario (Least Unit Cost)

Heurística

Añadir períodos al lote mientras el coste medio por unidad descienda.

\[C_{LUC}(k) = \frac{S + h \sum_{j=1}^{k-1} j \cdot d_{i+j}}{\sum_{j=0}^{k-1} d_{i+j}}\]

Similar a Silver-Meal, pero el denominador es la cantidad total del lote en lugar del número de períodos. Favorece lotes más grandes cuando la demanda de un período lejano es muy alta.

Coste: resultados similares a Silver-Meal
Diferencia vs SM: puede dar lotes distintos cuando la demanda varía mucho entre períodos
W-W

Wagner-Whitin

Óptimo exacto

Programación dinámica. Garantiza la solución de coste mínimo global para el horizonte completo.

Definir \(f(j)\) = coste mínimo de cubrir la demanda de los períodos \(1, \ldots, j\):

\[f(j) = \min_{1 \leq i \leq j} \left[ f(i-1) + S + h \sum_{l=i}^{j}(l-i) \cdot d_l \right]\]

con \(f(0) = 0\). El coste óptimo es \(f(n)\). El plan de producción se recupera hacia atrás (backtracking).

Óptimo garantizado
Complejidad: O(n²) — costoso para horizontes largos
Cuándo usar: cuando el horizonte es corto y el coste de optimizar está justificado; referencia para evaluar las heurísticas

¿Cómo elegir el método?

MétodoCriterio de paradaComplejidadCuándo usar
L×LNunca agrupaO(n)h ≫ S, JIT, sin setup relevante
T* FijoPeríodo fijo calculado con EOQO(n)Demanda estable, parámetro ERP fijo
Silver-MealCoste medio por período no mejoraO(n)Estándar MRP/ERP, buena aproximación
LUCCoste medio por unidad no mejoraO(n)Similar a SM, relevante con demanda muy variable
Wagner-WhitinProgramación dinámica — globalO(n²)Horizonte corto, optimización crítica
Regla práctica: Silver-Meal suele estar a menos del 5% del coste óptimo con una fracción del esfuerzo. Es la heurística dominante en sistemas ERP modernos. Wagner-Whitin se usa como referencia para evaluar el gap de cualquier heurística.