En la segunda integral se puede poner d\cdot t (d*t) para que no se confunda con la diferencial dt

¿No está ya dado en 2. Tiempo de reposición nulo?, el cual defines arriba.

¿No hay un costo mayor por sobreabastecimiento?

debido a la no convexidad del dominio, pues Z es lineal o afín en x y y, respectivamente

Observamos que si las s_i son finitos, la relación (5.5) hace redundante la condición de big-M

Quizás en el ejemplo convendría poner como elegiste los y_{ij}, que valores les diste, e identificar el valor x_i\in{0,1}

Revisar la fórmula que se presenta, pues en la subsección precedente, el primer término es (D/Q)*S, y aquí se tiene a la inversa, es decir, Q/D. También D\beta C/Q está invertido. Corregir este error en las fórmulas. Por lo tanto también corregir los cálculos numéricos que se presentan, así como las conclusiones de esos cálculos numéricos.

La función es convexa si \sigma_L es constante, pero puede perder convexidad si depende de Q, es decir, si \sigma_L es función de Q.

En la fórmula, la sustitución del primer término está al revés, pues D/QS=1000/200100

En la fórmula, hay algunas variables y constantes que no están definidas explícitamente, por ejemplo que son Q, C .

Los objetos con los que trabajas son probabilísticos, pero mencionas que es determinista. En ese caso hay un pequeña imprecisión conceptual. Quiz'as si se aclara algo como este: "Se adopta una aproximación determinista basada en cuantiles de una distribución. Este enfoque permite formular un modelo de optimización no lineal determinista ".

A manera de observación: En este capítulo incluyes conceptos y definiciones que obligan a pensar que trabajas con modelos aleatorios y con incertidumbre, sin embargo, en tu resumen o abstract, mencionas que se trabajarán modelos deterministas. Allí veo una inconsistencia.

Corregir numeración 3.4.4, pues se da en un capítulo posterior

No es necesario usar tildes en la v.a. X

Checar si estas condiciones garantizan unicidad. La positividad del Hessiano en un punto crítico es una condición suficiente de mínimo local estricto, y es relevante en el análisis local de convergencia de métodos de segundo orden, pero tengo entendido que la unicidad requiere más hipótesis. Toma f(x)=(x^2-1)^2, es definida positiva en sus dos minimos locales

Siempre y cuando también la función sea convexa sobre el conjunto convexo. Si el conjunto factible es convexo y la función objetivo es convexa, entonces todo mínimo local es global