Algoritmo  de  Wagner-­‐Whi1n  

 
 (WW)
Morales  Calderón  Ethiel  Salvador
Sánchez  López  Alejandro
Introducción
E  s  un  modelo  heurís1co  que  minimiza  los  costos  variables,  los  costos  de  
mantener   el   inventario   y   los   costos   de   almacenamiento   durante   el  
horizonte   de   planeación.   El   procedimiento   de   op1mización   esta   basado  
en   la   programación   dinámica   lo   especial   de   este   algoritmo   es   que   se  
puede  aplicar  a  funciones  de  costo  decrecientes  lo  cual  ocurre  cuando  los  
costos  por  unidad  son  constantes,  o  cuando  se  presentan  los  descuentos  
por  can1dad.
 La  diferencia  es  que  el  algoritmo  de  Wagner-­‐Whi1n  genera  una  solución  
de  costo  mínimo  que  conduce  a  una  can1dad  óp1ma  a  ordenar  Q¡.
Condiciones  iniciales:

 El  algoritmo  1ene  en  cuenta  dos  condiciones  que  permiten  tener  cálculos  
simplificados:

1.  Dado  un  inventario  inicial  cero,  se  puede  
sa1sfacer   la   demanda   de   cualquier  
periodo,  ya  sea  con  nueva  producción  o  
desde   el   inventario   de   entrada   pero  
nunca   se   pueden   presentar   ambos  
casos.

2.   La   can1dad   óp1ma   a   producir   para   un  

periodo   puede   ser   cero   o   sa1sfacer   la  
demanda   exacta   para   uno   o   más  
periodos  sucesivos  con1guos.
Procedimiento
 Este  modelo  no  considera  todas  las  polí1cas  posibles;  para  un  horizonte  de  n  periodos,  el  número  de  
polí1cas  posibles  es   2n−1
 Una  orden  sebe  sa1sfacer  toda  la  demanda  para  cierto  número  de  periodos.

K t ,l
 Sea                          el  costo  de   colocar  una  orden  para  cubrir  la  demanda  de  los  periodos  t,  t  +  1,.  .  .  ,  l  ,    
l
suponiendo  que  el  inventario  al  principio  del  periodo  t  y  al  final  del  periodo        es  cero.  
Matemá1camente,  este  costo  es:
  Ahora  se  determina  el  costo  mínimo  del  periodo  1  al  l  suponiendo  que  no  debe  haber  
inventario  restante  al  final  del  periodo  l.  La  ecuación  para  este  mínimo  se  puede  
encontrar  de  manera  recursiva,  Si  K  *  es  este  mínimo,  estará  dado  por:

* *
K K
  0  se  define  como  cero,  y  el  valor  de  la  solución  de  costo  mínimo  está  dado  por   N

Desventajas
EJEMPLO
 James,  el  gerente  de  una  1enda  local  de  computadoras,  es1ma  que  la  demanda  de  
discos  de  3.5’’  para  los  próximos  cinco  meses  será  100,  100,  50,  50,  y  210  cajas  de  10  
discos.  Como  la  demanda  es  irregular,  James  aplica  el  algoritmo  de  Wagner  –  Whi1n  
para  ordenar  la  can1dad  correcta.  James  1ene  un  costo  de  $50  por  colocar  la  orden  y  
es1ma   que   almacenar   una   caja   durante   un   mes   le   costará   $0.50.   ¿Qué   se   le   puede  
sugerir?

Para  l  =  1
 Para  el  periodo  3:
⎡ 3 ⎤
K1,3 = A + h ⎢ ∑ ( j − 1) D j ⎥ = 50 + 0.5 [(1)(100) + (2)(50) ] = 150
⎣ j =1+1 ⎦
⎡ 3 ⎤
K 2,3 = A + h ⎢ ∑ ( j − 2 ) D j ⎥ = 50 + 0.5 [(1)(50) ] = 75
⎣ j = 2+1 ⎦
⎡ 3 ⎤
K 3,3 = A + h ⎢ ∑ ( j − 3) D j ⎥ = 50 + 0.5 [(0) ] = 50
⎣ j =3+1 ⎦

K 3* = min t =1,2,3 {K 0* + K1,3 , K1* + K 2,3, K 2* + K3,3, }

K 3* = min {0 + 150,50 + 75,100 + 50}
K 3* = min {150,125,150}
K 3* = 125
 Para  el  periodo  4:
⎡ 4 ⎤
K1,4 = A + h ⎢ ∑ ( j − 1) D j ⎥ = 50 + 0.5 [(1)(100) + (2)(50) + (3)(50) ] = 225
⎣ j =1+1 ⎦
⎡ 4 ⎤
K 2,4 = A + h ⎢ ∑ ( j − 2 ) D j ⎥ = 50 + 0.5 [(1)(50) + (2)(50) ] = 125
⎣ j = 2+1 ⎦
⎡ 4 ⎤
K 3,4 = A + h ⎢ ∑ ( j − 3) D j ⎥ = 50 + 0.5 [(1)(50) ] = 75
⎣ j =3+1 ⎦
⎡ 4 ⎤
K 4,4 = A + h ⎢ ∑ ( j − 4 ) D j ⎥ = 50 + 0.5 [(0) ] = 50
⎣ j =3+1 ⎦
K 4* = min t =1,2,3,4 {K 0* + K1,4 , K1* + K 2,4 , K 2* + K3,4 , K3* + K 4,4 }
K 3* = min {0 + 225,50 + 125,100 + 75,125 + 50}
K 3* = min {225,175,175,175}
K 3* = 175
 Para  el  periodo  5:

⎡ 5 ⎤
K1,5 = A + h ⎢ ∑ ( j − 1) D j ⎥ = 50 + 0.5 [(1)(100) + (2)(50) + (3)(50) + (4)(210) ] = 645
⎣ j =1+1 ⎦
⎡ 5 ⎤
K 2,5 = A + h ⎢ ∑ ( j − 2 ) D j ⎥ = 50 + 0.5 [(1)(50) + (2)(50) + (3)(210) ] = 440
⎣ j = 2+1 ⎦
⎡ 5 ⎤
K 3,5 = A + h ⎢ ∑ ( j − 3) D j ⎥ = 50 + 0.5 [(1)(50) + (2)(210) ] = 285
⎣ j =3+1 ⎦
⎡ 5 ⎤
K 4,5 = A + h ⎢ ∑ ( j − 4 ) D j ⎥ = 50 + 0.5 [(1)(210) ] = 155
⎣ j =3+1 ⎦
⎡ 5 ⎤
K 5,5 = A + h ⎢ ∑ ( j − 5 ) D j ⎥ = 50 + 0.5 [(0) ] = 50
⎣ j =3+1 ⎦
K 5* = min t =1,2,3,4,5 {K 0* + K1,5 , K1* + K 2,5 , K 2* + K3,5 , K3* + K 4,5 , K 4* + K5,5 }
K 5* = min {0 + 645,50 + 440,100 + 285,125 + 155,175 + 50}
K 5* = min {645, 490,385, 280, 225}
K 5* = 225
 Ejemplo  resuelto  con  WW.
Interpretación
 Para   encontrar   Q,   el   índice   del   renglón   representa   el   periodo   en   el   que   se   colocó   la  
orden  que  cubre  la  demanda  del  periodo  especificado  por  el  índice  de  la  columna.  

u     En  5,  K*  =  $225.  Q5  =  210

u    En  4,  K*  =  $175,  que  se  repite  en  t  =  2,  3  y  4.  Si  se  elige  el  periodo  3,    Qi  =  100  que  
sa1sface  la  demanda  de  3  y  4
u    En   2,   K*   =   $100,   que   se   repite   en   t   =   2   y   1.   Si   se   elige   el   periodo   1,     Qi   =   200   que  
sa1sface  la  demanda  de  1  y  2

Como   la   K*   se   repite   en   varios   periodos,   el   método   proporciona   varias   soluciones  
óp1mas  que  cumplen  con  un  costo  mínimo  de  $225.  
EJEMPLO  USANDO  EXCEL
A 50 Periodo 1 2 3 4 5
c Demanda  Pronosticada 100 100 50 50 210
i Costo  Fijo,  A 50 50 50 50 50
h 0.5 Costo  de  Inventario,  h 0.5 0.5 0.5 0.5 0.5

1 2 3 4 5
Ktotal 50 100 125 175 225
Q

Km= Min(  (A)  +  (hD2)  +  2  (hD3)  +  3  (hD4)  +  …  +  ((m-­‐1)  *  (hDm)))

1 50 1
2 100 100 2
3 150 125 150 150 3
4 200 175 175 175 175 200 200 225 4
5 250 305 225 225 225 490 385 225 250 250 275 645 5

1 A 1
2 1,2 1,-­‐2 2
3 1,2,3 1,2-­‐3 1-­‐2,3 1,-­‐3 3
4 1,2,3,4 1,2,3-­‐4 1,2-­‐3,4 1,2-­‐4 1-­‐2,3-­‐4 1-­‐2,3,4 1-­‐3,4 1,-­‐4 4
5 1,2,3,4,5 1,2,3,4-­‐5 1,2,3-­‐4,5 1,2-­‐3,4,5 1,2-­‐4,5 1,2-­‐5 1,2,3-­‐5 1-­‐2,3-­‐4,5 1-­‐2,3,4,5 1-­‐3,4,5 1-­‐4,5 1,-­‐5 5
 Q
1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5
1 1
K K
2 100 100 200 2
K 100 100 K
3 100 100 50 100 150 200 50 250 3
K 150 125 150 150 K
4 100 100 50 50 100 100 100 100 150 50 100 200 200 100 200 50 50 250 50 300 4
K 200 175 175 175 175 200 200 225 K
5 100 100 50 50 210 100 100 50 260 100 100 100 210 100 150 50 210 100 200 210 100 410 100 100 310 200 100 210 200 50 50 210 250 50 210 300 210 510 5
K 250 305 225 225 225 490 385 225 250 250 275 645 K

K 0 0 225 225 225 0 0 225 0 0 0 0 K

Q 0 0 0 0 0 0 0 0 0 0 100 100 100 0 210 100 150 0 50 210 100 200 0 0 210 0 0 0 0 0 0 0 0 0 0 200 0 100 0 210 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 Q
Ejemplo  2
REFERENCIAS
§ “Planeación  y  control  de  la  producción”.  Daniel  Sipper  &  Robert  L.  Bulfin.  McGraw  –  
Hill  1º  Edición  en  español.  Páginas  [268  -­‐  270].  
§ “Fundamentos   de   ges=ón   de   inventarios”.   Vidal   Holguín   Carlos   Julio,   Facultad   de  
Ingeniería,   Universidad   del   Valle.   Disponible   en   la   web:     hxps://es.scribd.com/doc/
44768395/53/El-­‐algoritmo-­‐de-­‐Wagner−Whi1n
§ “Sistemas  de  loteo  –  control  de  inventarios  con  demanda  determinís=ca  variable  con  
el   =empo”.   Administración   de   inventarios.   Fecha   de   consulta:   15   de   abril   de   2015.  
Disponible  en  la  web:  hxp://www.ingenieriaindustrialonline.com/herramientas-­‐para-­‐
el-­‐ingeniero-­‐industrial/administración-­‐de-­‐inventarios/sistemas-­‐de-­‐loteo/