Dynamische stochastische Losgrößenplanung bei normalverteilter Periodennachfragemenge: Static-Uncertainty-Strategy, heuristische Verfahren
In den Moduln zu den stochastischen Lagerhaltungspolitiken, z.B. bei der $(s,q)$-Politik, wird angenommen, daß die Periodennachfragemenge eine stationäre Größe ist, die zwar zufälligen Schwankungen unterliegt, deren Mittelwert und Streuung im Zeitablauf aber konstant bleibt. Unter dieser Annahme kann man für die Optimierung der Entscheidungsvariablen einen typischen Bestell- oder Produktionszyklus mit einer im Zeitablauf konstanten Bestellmenge bzw. Losgröße betrachten. Die Bestellmenge kann man dabei mit der klassischen Bestellmengenformel bestimmen.
In der Praxis findet man aber auch oft die Situation, daß die Erwartungswerte und Streuungen der Periodennachfragemengen prognostiziert werden und periodischen Schwankungen unterliegen. In diesem Fall muß man periodenspezifische Losgrößen bestimmen, die in Abhängigkeit von der Dynamik der Nachfrage auch periodenspezifische Sicherheitsbestände enthalten. Man kann sich daher auch nicht mehr auf einen typischen Bestell- oder Produktionszyklus konzentrieren, weil es einen solchen nicht mehr gibt.
Bei dynamischer und stochastischer Nachfrage kann man verschiedene Strategien verfolgen (siehe Bookbinder und Tan (1988):
Detaillierte Beschreibungen dieser Strategien und die Methoden zur Berechnung der Entscheidungsgrößen sind in Tempelmeier(2020a) zu finden.
In diesem Modul wird ein heuristisches Verfahren zur Bestimmung der Losgrößen in einem dynamischen unkapazitierten Losgrößenproblem mit stochastischer Nachfrage eingesetzt. Dabei wird die Static-Uncertainty Strategy angenommen, nach der im Voraus sowohl die Produktionstermine bzw. -perioden als auch die jeweiligen Losgrößen festgelegt werden. Das Ziel besteht darin, die Summe aus Rüstkosten (bzw. fixen Bestellkosten) und Lagerkosten zu minimeren. Dabei soll ein zyklusbezogener $\beta$-Servicegrad eingehalten werden. Kapazitäten werden vernachlässigt.
Zur Lösung des betrachteten Problems wird eine stochastische Version des heuristischen Silver-Meal-Verfahrens, das ursprünglich für deterministische Nachfrage entwickelt wurde, eingesetzt. Die Ergebnisse können mit Hilfe einer Simulation überprüft werden.
Symbole:
D(t) | Nachfragemenge in Periode t |
Y(t) | Kumulierte Nachfragemenge der Perioden 1 bis Periode t |
Y(i,j) | Gesamte Nachfragemenge in den Perioden i bis j |
E{F(i,j)} | Erwartungswert der Fehlmenge in den Perioden i bis j |
q(t)} | Losgröße in Periode t |
Ip(t) | Physischer Bestand am Ende der Periode t |
If(t) | Fehlbestand am Ende der Periode t |
ß(c)(t) | zyklusbezogener $\beta$-Servicegrad (berechnet für die Peiode t) |
Annahmen:
Nach der Dateneingabe startet man mit dem "Berechnen"-Knopf die Berechnungen. Mit der Auswahl des Tab-Reiters "Simulation" werden die Ergebnisse übernommen und man kann eine Simulation durchführen.
- Bookbinder, J. und J.-Y. Tan (1988). Strategies for the probabilistic
lot-sizing problem with service-level constraints. Management Science 34,
1096–1108
- Tempelmeier, H. and S. Herpers (2011), Dynamic uncapacitated
lot sizing with random demand under a fillrate constraint. European Journal of Operational Research 212, 497–507
- Tempelmeier, H. (2020a), Production Analytics - Modelle und Algorithmen
zur Produktionsplanung, 6. Auflage, Norderstedt (Books-on-Demand)
Datenschutz | © 2021 POM Prof. Tempelmeier GmbH | Imprint