3.2.3.2 Periodisches Bestandsmanagement - WINFOR
3.2.3.2 Periodisches Bestandsmanagement - WINFOR
3.2.3.2 Periodisches Bestandsmanagement - WINFOR
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
<strong>3.2.3.2</strong> <strong>Periodisches</strong> <strong>Bestandsmanagement</strong><br />
Im Folgenden werden Modelle untersucht, die eine<br />
Betrachtung des Bestandsverlaufs über mehrere Perioden<br />
erlauben und somit längerfristige Effekte abbilden<br />
Dabei wird davon ausgegangen, dass Überbestände auch in<br />
den folgenden Perioden noch verwendet werden können und<br />
Fehlmengen Nachbestellungen in den folgenden Perioden<br />
auslösen<br />
Zudem soll es (zunächst) möglich sein, Bestellungen in Nullzeit<br />
zu erhalten, d.h. Lieferzeiten werden vernachlässigt<br />
Wir können also am Anfang einer Periode bestellen und erhalten<br />
in derselben Periode noch die entsprechende Lieferung<br />
Des weiteren gehen wir von einem Zielbestand S aus, der jeweils<br />
am Anfang einer jeden Periode auf dem Lager vorhanden sein<br />
soll<br />
Wirtschaftsinformatik und Operations Research 467
Variablen des Modells<br />
Wir vereinbaren als Parameter<br />
Xt: Bestellmenge in Periode t<br />
It: Lagerbestand am Anfang der Periode t<br />
Y : Nachfrage in Periode t<br />
t<br />
Alle diese Größen sind Zufallsvariablen<br />
Damit ergibt sich die Bestellmenge aus dem Lagerbestand, der<br />
zu Beginn einer Periode bekannt ist, durch die einfache Formel<br />
X t = S−It Negative Bestände repräsentieren Fehlmengen, die durch eine<br />
nachfolgende Bestellung auszugleichen sind<br />
Wirtschaftsinformatik und Operations Research 468
Kostenfunktion<br />
Wir wollen wiederum die erwarteten Kosten pro Periode<br />
minimieren<br />
Dazu ist zunächst zu determinieren, welche Kostenbestandteile<br />
auftreten können und wie sich diese berechnen lassen<br />
Variable Bestellkosten c fallen je bestellter Einheit an<br />
Lagerhaltungskosten h fallen mit dem Lagerbestand an, der am<br />
Ende einer jeden Periode noch vorliegt. Diese werden durch den<br />
Lagerhaltungskostensatz h monetär bewertet<br />
Strafkosten p (Penalty Cost) fallen pro Einheit an, die als<br />
Fehlmenge auftritt (Kosten der Rückstellung einer Nachfrage)<br />
Wirtschaftsinformatik und Operations Research 469
Direkter Zusammenhang<br />
Wir bestellen in jeder Periode soviel, dass wir schließlich den<br />
Bestand S erreichen<br />
Das heißt also, es gilt Xt = S−It Darüber hinaus gilt<br />
I = I + X − Y = I + S −I − Y = S −Y<br />
⇔ S − I = Y<br />
Man sieht<br />
t t−1 t−1 t−1 t−1 t−1 t−1 t−1<br />
t t−1<br />
Wir bestellen einfach in jeder Periode genau den Verbrauch der letzten<br />
Periode<br />
X t=Yt−1 Wenn man einen positiven Endbestand erhält, dann fallen Lagerkosten<br />
an<br />
Wenn ein negativer Endbestand auftritt, dann fallen Fehlmengenkosten<br />
an<br />
Wirtschaftsinformatik und Operations Research 470
Konsequenz<br />
Fehlmengen‐ und Lagerhaltungskosten treten also immer bei<br />
positiven oder negativen Beständen am Anfang einer Periode<br />
auf<br />
Da der Anfangsbestand einer Periode dem Endbestand der<br />
Vorperiode entspricht, müssen wir uns also zur<br />
Determinierung dieser Kosten lediglich den Bestand am Ende<br />
der einzelnen Perioden anschauen<br />
Damit ergibt sich für die Anfangsbestände I = S −Y<br />
Fehlmengen und Überbestände hängen somit lediglich von Y t<br />
ab, d.h. wir müssen unterscheiden ob gilt<br />
S < Y t oder S ><br />
Y t<br />
t+1<br />
Wirtschaftsinformatik und Operations Research 471<br />
t
Die erwarteten Gesamtkosten<br />
Da variable Bestellkosten entscheidungsirrelevant sind,<br />
können wir für die erwarteten Gesamtkosten einer<br />
Periode festhalten<br />
( S ) = h ⋅ E(<br />
max{ S −Y<br />
, 0}<br />
) + p ⋅ E(<br />
max{<br />
Y − S,<br />
0}<br />
)<br />
Z t<br />
t<br />
Dies ist offensichtlich die Zielfunktion des Newsvendor<br />
Problems, wenn man c u durch p und c o durch h ersetzt<br />
Somit erhalten wir als optimales Bestellniveau<br />
S<br />
∗<br />
= −1<br />
F<br />
⎛<br />
⎜<br />
⎝<br />
p<br />
p + h<br />
⎞<br />
⎟<br />
⎠<br />
Wirtschaftsinformatik und Operations Research 472
Am Beispiel<br />
Wir betrachten als Beispiel wieder einen Händler<br />
Diesmal soll ein Elektronikteilhändler betrachtet werden, der<br />
sich auf spezielle Adapter für Hardwarebastler spezialisiert hat<br />
Wir betrachten die wöchentliche Nachfrage, wobei der<br />
Händler lediglich am Freitag bestellt und am Montagmorgen<br />
vor Geschäftseröffnung die entsprechende Lieferung erhält<br />
Da keine Verkäufe am Wochenende erfolgen, liegt hier die im<br />
Modell unterstellte Lieferung in Nullzeit vor<br />
Wir gehen wiederum von einer normalverteilten Nachfrage mit<br />
dem Erwartungswert μ=100 Stück/Woche und einer<br />
Standardabweichung von 50 Stück/Woche aus<br />
Wirtschaftsinformatik und Operations Research 473
Bestimmung des optimalen Bestandes S*<br />
Wir unterstellen die folgenden Kostensätze<br />
Lagerhaltungskosten h=0,5 €/Stück je Woche<br />
Fehlmengenkosten p=3 €/Stück je Woche<br />
Damit erhalten wir<br />
⎛ p ⎞ ⎛ 3 ⎞<br />
S = F ⎜ = F ≈ F<br />
p+ h<br />
⎟ ⎜<br />
3,5<br />
⎟<br />
⎝ ⎠<br />
⎝ ⎠<br />
∗ −1 −1 −1<br />
Damit können wir z* direkt in der Tabelle der<br />
Standardnormalverteilung ablesen und erhalten<br />
z*=1,07 und damit<br />
S*=100+1,07 . 50=153,5 Stück pro Woche<br />
( 0,8571)<br />
Wirtschaftsinformatik und Operations Research 474
Erwartete Kosten<br />
Wir können wiederum die Formel des Newsvendor<br />
Problems direkt einsetzen und erhalten somit als<br />
einfache Berechnung<br />
( ∗) ( ) ( ∗)<br />
σ ( )<br />
Z S = p+ h ⋅ f z ⋅ = 3,5 ⋅ f 1,07 ⋅50<br />
01 01<br />
= 3,5 ⋅0,2251⋅ 50 = 39,3925 €/Woche<br />
Setzt man einen Verkaufspreis von 10€ und<br />
Einkaufskosten von c=4€ an, erhalten wir damit als<br />
erwarteten Gewinn<br />
( ∗<br />
S ) Z( ∗<br />
μ S )<br />
Π = ⋅6− = 600 − 39,3925 =<br />
560,6075 €/Woche<br />
Wirtschaftsinformatik und Operations Research 475