Juego Stocks - ITBA GO - Aplicación Web

Herramienta interactiva para resolver el ejercicio "Juego Stocks - ITBA GO" de la materia Gestión de Operaciones - Unidad 5: Planificación y Control de la Producción (PCP).

🚀 Instalación y Uso

Requisitos Previos

• Python 3.8 o superior
• pip (gestor de paquetes de Python)

Pasos de Instalación

1. Navegar a la carpeta del proyecto:

cd inventory-optimizer-web

2. Instalar dependencias:

pip install -r requirements.txt

3. Ejecutar la aplicación:

streamlit run streamlit_app.py

La aplicación se abrirá automáticamente en tu navegador en http://localhost:8501

Estructura del Proyecto

Todos los archivos necesarios están contenidos en esta carpeta:

inventory-optimizer-web/
├── streamlit_app.py              # Aplicación principal Streamlit
├── juego_stocks_simulacion.py   # Módulo de simulación (completo)
├── run_custom_policy.py         # Script para ejecutar políticas personalizadas desde JSON
├── analyze_service_levels.py    # Script para analizar costo vs nivel de servicio
├── debug_storage.py              # Script de análisis de almacenamiento extra
├── requirements.txt              # Dependencias Python
├── README.md                     # Este archivo
├── .gitignore                    # Archivos a ignorar en Git
├── core/
│   ├── __init__.py
│   ├── config.py                 # Configuración y constantes
│   └── simulation_original.py   # Backup del script original
└── utils/
    ├── __init__.py
    └── visualizer.py             # Utilidades para visualización

Nota: La aplicación es completamente autocontenida. No requiere archivos externos.

📋 Funcionalidades

• ⚙️ Configuración de Parámetros: Ajusta todos los parámetros del modelo según las consignas
• 🔍 Buscar Política Óptima: Encuentra automáticamente la mejor política (S_N, S_U) para diferentes niveles de servicio
• 📊 Evaluar Política: Prueba políticas específicas (S_N, S_U) o pedidos personalizados
• 📈 Comparar Políticas: Compara diferentes estrategias lado a lado
• 📄 Generar Reportes: Exporta resultados en formato Markdown
• 📉 Visualizaciones: Gráficos interactivos de evolución del inventario
• 🎯 Análisis de Nivel de Servicio: Analiza cómo aumenta el costo al incrementar el nivel de servicio (90% a 99.9%)
• 📦 Políticas Personalizadas: Evalúa políticas con pedidos fijos en semanas específicas
• 🔬 Análisis Detallado: Desglose de costos (compra, flete, mantenimiento, almacenamiento extra)

📚 Referencias

• Consignas: Juego Stocks - ITBA GO PPT.pdf
• Plantilla: Juego Stocks - ITBA GO XLS.xlsm
• Script original: juego stocks simulacion.py

🛠️ Scripts Adicionales

Ejecutar Política Personalizada

python run_custom_policy.py

Ejecuta una simulación con una política personalizada definida en un archivo JSON.

Analizar Costo vs Nivel de Servicio

python analyze_service_levels.py

Encuentra políticas óptimas para diferentes niveles de servicio (90%, 92%, 94%, 96%, 98%, 99%, 99.9%) y genera un gráfico comparativo.

🎓 Contexto Educativo

Esta herramienta está diseñada para facilitar el aprendizaje de:

• Políticas de inventario (order-up-to S_N, reorder point S_U)
• Análisis de trade-offs entre costo y nivel de servicio
• Simulación Monte Carlo para evaluación de políticas
• Optimización mediante búsqueda en grilla
• Comparación entre políticas reactivas (S_N/S_U) y políticas fijas (pedidos programados)

📊 Características del Modelo

• Demanda: Normal(10, 3) truncada a enteros ≥ 0
• Lead Times: Normal 7 semanas, Urgente 2 semanas
• Precios: Normal $300, Urgente $400
• Flete: $600 si Q ≤ 48, gratis si Q ≥ 49
• Almacenamiento Extra: $1,200/semana si stock > 100 unidades
• Costo de Mantenimiento: 60% anual sobre costo normal