Distribución normal frente a distribución gamma

Objective

After completing this lesson, you will be able to comprender la diferencia entre las distribuciones normal y gamma.

Controladores fundamentales de las necesidades de stock de seguridad

El stock de seguridad (SS) se basa en:

  • Error de previsión
  • Destino de nivel de servicio

El error de previsión se modela mediante una distribución gamma:

  • El gamma puede ser asimétrico o simétrico.
  • Si es simétrica, se puede utilizar una distribución normal.

El objetivo del nivel de servicio se puede expresar mediante:

  • Probabilidad de que no se produzca una falta de stock
  • Tasa de llenado

Distribución gamma para error de previsión

Mediante la distribución gamma, se modela el error de previsión. Si la función gamma es simétrica, se puede utilizar una distribución normal.

La figura describe la distribución gamma para el error de previsión.

La distribución gamma es más robusta que la normal

Al comparar una distribución gamma y una distribución normal, la distribución gamma es más robusta que la distribución normal.

La figura describe que una distribución gamma es más sólida que una distribución normal.

Cálculo del stock de seguridad con distribución gamma

La siguiente figura muestra un ejemplo de cálculo del stock de seguridad con una distribución gamma. Tenga en cuenta lo siguiente:

  • Planificación para un producto, una ubicación o un período con plazo de entrega instantáneo.

  • Previsión: 100 ± 25, distribución de error de previsión: gamma.

  • Nivel de servicio objetivo: 95% de probabilidad de que no se produzca una falta de stock.

  • El cálculo del stock de seguridad correcto requiere la integración numérica de la función de distribución acumulada gamma.

  • Posición de stock destino = 145 unidades, stock de seguridad = 45 unidades

La figura describe la distribución gamma.

El área rellenada representa el 95% del total. En el eje de stock, puede distinguir el stock de ciclo y el stock de seguridad.

Nota

La media no está necesariamente en el pico de la curva.