En la gestión de inventarios, las restricciones de capacidad de almacenamiento complican las decisiones de dimensionamiento de lotes para múltiples artículos. A medida que aumenta el número de artículos, decidir cuánto de cada artículo ordenar sin exceder la capacidad se vuelve más difícil. La programación dinámica funciona eficientemente para un solo artículo, pero cuando las restricciones de capacidad son casi mínimas en varios artículos, se requieren heurísticas novedosas. Sin embargo, las heurísticas anteriores se han centrado principalmente en las restricciones de límites de inventario. Por lo tanto, este documento introduce heurísticas de empuje y tracción para resolver el problema de dimensionamiento de lotes sin restricciones para múltiples artículos bajo capacidades casi mínimas. Primero, se utilizó un enfoque de programación dinámica basado en un modelo de flujo de red para generar el plan de reabastecimiento inicial para el problema de dimensionamiento de lotes de un solo artículo. Luego, bajo restricciones de capacidad de almacenamiento, la operación de empuje movió las cantidades de reabastecimiento seleccionadas del período actual a períodos posteriores para cumplir con todos los requisitos de demanda. Finalmente, la operación de tracción desplazó las cantidades de reabastecimiento seleccionadas del período actual a períodos anteriores, asegurando que se satisficieran todos los requisitos de demanda. Los resultados del experimento aleatorio mostraron que la heurística propuesta generó soluciones cuyo rendimiento se comparaba bien con la solución óptima. Esta heurística resuelve eficazmente todas las instancias generadas aleatoriamente que representan condiciones de peor caso, asegurando un funcionamiento robusto bajo almacenamiento casi mínimo. Para problemas a gran escala bajo restricciones de capacidad de almacenamiento casi mínimas, la heurística propuesta logró brechas de optimalidad solo pequeñas y requirió menos tiempo de ejecución. Sin embargo, los problemas de pequeña y mediana escala pueden resolverse de manera óptima mediante un solucionador de Programación de Enteros Mixtos (MIP) con un tiempo de ejecución mínimo.