Zusammenfassung
Während auf der operativen Ebene mit dem Yield Management ein Steuerungskonzept vorliegt, dem eine integrative Perspektive der Programm- und Potentialstruktur zugrunde liegt und das gerade zur Kapazitätsplanung von kapitalbzw. fixkostenintensiven Dienstleistungen1 wie Flugtransporten oder Beherbergungen entwickelt wurde und auch zum Einsatz kommt, sind auf der Ebene zur mittel- und langfristigen Planung kaum Ansätze vertreten, die ausgehend von der industriellen Sachgüterproduktion an die Besonderheiten der Dienstleistungserstellung und die resultierenden Anforderungen an eine integrative Analyse angepaßt worden sind.2 Die Grundidee des Yield Management besteht darin, durch simultane, dynamische Preisdifferenzierung und Kapazitätskontigentierung für eine erlösmaximale Auslastung der begrenzten Kapazitäten zu sorgen.3 Als Aktionsparameter werden im wesentlichen Preise und Rabatte sowie Kapazitätskontingente und Überbuchungsraten genutzt.4 Das Konzept ist Gegenstand intensiver Diskussionen sowohl hinsichtlich der methodischen Ausgestaltung als auch zu alternativen Anwendungsbereichen im Dienstleistungssektor wie beispielsweise im Gesundheitssektor.5
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Notes
Zu den Rahmenbedingungen für einen Einsatz von Yield Management vgl. Klein (2001), S. 249–250; Friege (1996), S. 616; Daudel, Vialle (1994), S. 117–124; Chapman, Carmel (1992), S. 46.
Vgl. Schweitzer (2003), S. 24–25.
Vgl. Büttgen (1996), S. 260–261; Bertsch (1996), Sp. 2258. Zum Yield Management vgl. Lovelock (1992), S. 163–167; Daudel, Vialle (1994), S. 29–84; Friege (1996); Corsten, Stuhlmann (1998a); Klein (2001); Stuhlmann (2000), S. 213–247. Ein Überblick über den Entwicklungsstand des Konzepts und über praktische Einsatzfelder geben Tscheulin, Lindenmeier (2003).
Vgl. Büttgen (1996), S. 261–262. Zu ähnlichen Überlegungen zur operativen Programmplanung bei Einzelfertigung durch Abgrenzung von Reservekapazitäten und Abgleich von Renditeforderungen vgl. Jacob (1971).
Vgl. z.B. Chapman, Carmel (1992); Secomandi et al. (2002), S. 7–8; Schröder, Hoffjan, Schröder (2003).
Vgl. Schweitzer (2003), S. 24–25. Einen Überblick über den Stand der Literaturdiskussion zum Thema Kapazitätsmanagement in Gesundheitseinrichtungen geben Smith–Daniels, Schweikhart, Smith–Daniels (1988), S. 889–906.
Vgl. auch Schweitzer (2003), S. 98–104, und die dort angeführten Literaturverweise.
Vgl. Strutz (1976).
Zu einer Übersicht über die bekanntesten Modellkonzeptionen zur simultanen Programmund Investitionsplanung vgl. die in Zäpfel (2000b), S. 140, angegebenen Literaturquellen.
Vgl. Werner, Brokemper (1996), S. 166–167.
Vgl. Bürkle (1997), S. 3. Zur Data Envelopment Analysis vgl. Charnes, Cooper, Rhodes (1978); Schefczyk (1996); Dyckhoff, Allen (1999). Zum dabei unterstellten Effizienzbegriff vgl. Bürkle (1997), S. 4–7; Kleine (2001), S. 226–227. Zu alternativen Verfahren der Effizienzmessung von Organisationen vgl. Siebig (1980), S. 49–122.
Vgl. Bürkle (1997), S. 141–142. Zur Einordnung der Data Envelopment Analysis aus entscheidungstheoretischer Sicht vgl. Kleine (2001).
Zur Abgrenzung und zu den Methoden des Operations Research vgl. z.B. Domschke, Drexl (2002), S. 1–9; Müller–Merbach (1973), S. 1–10. Diese Abgrenzung der Methoden dient aber nur der Systematisierung. Häufig werden zur Problemlösung auch mehrere Methoden miteinander kombiniert. Vgl. Page (1982), S. 114–123.
Vgl. Page (1982), S. 40–48, und die dort angeführten Fallbeispiele.
Vgl. Bailey (1952); Bailey (1954). Diese Analyse greift demnach zwar verschiedene Parti–alprobleme einer integrierten Kapazitätsplanung im Spannungsfeld von Ressourcen–und Prozeßeffizienz auf, ohne aber deren Wechselwirkungen untereinander zu berücksichtigen. Ein Überblick über die Literaturbeiträge zur mathematischen Modellbildung und zu Planungsverfahren im Gesundheitswesen findet sich bei Page (1982), S. 40–44.
Vgl. Page (1982), S. 45–46. Zu einem Überblick über mathematische Modelle im Rahmen des Dienstleistungsmanagement allgemein vgl. Rust, Metters (1996).
Vgl. Page (1982), S. 181–183. Zu weiteren Ursachen und Gründen für die fehlende Akzeptanz und den mangelnden Einsatz mathematischer Planungsmethoden allgemein bzw. in deutschen Krankenhäusern vgl. Wilson (1981), S. 828–829; Schlüchtermann (1990), S. 82–85; Eley et al. (2000), S. 9–10.
Vgl. beispielsweise die Ausführungen und Anwendungsbeispiele in Dietrich, Walleitner (1982); Malone, Smith (1988); Mayer (1987), S. 34–36.
Vgl. Hegemann (1986), S. 73–143; Fandel, Hegemann (1986). Eine vergleichbare Simulationsstudie findet sich in O’Kane (1981). Eine ähnliche Analyse zur Bestimmung der erforderlichen Zahl von Krankenwagen und deren Standorte in einer Region ist Gegenstand von Taylor, Templeton (1980). Vgl. dazu auch Page (1982), S. 308–311.
Vgl. Schläger (1976), S. 73–125.
Vgl. Harris (1985).
Vgl. Vissers, Wijngaard (1979); Vissers (1979).
Zu einem Überblick über Modelle und Verfahren des Operations Research in der Produktionsplanung vgl. Fleischmann (1988).
Vgl. Nickel, Tenfelde (2000), S. 548; Rust, Metters (1996), S. 435, 437.
Schweitzer (2003), S. 104.
Vgl. auch Eley et al. (2000), S. 9.
Zu mathematischen Ansätzen zur Organisationsgestaltung vgl. z.B. Wicher (1996); Schae–fer (1997), S. 83–198. Zum Vergleich von Gap–Analyse und Critical–Incident–Technik vgl. Müller, Lohmann (1997); Eichhorn (1997), S. 171–184.
Vgl. z.B. Jacob (1962), S. 651–654; Hax (1964), S. 430–431; Swoboda (1965), S. 150; Layer (1975), S. 35–64. Zu Kapitalwertmodellen vgl. Jacob, Voigt (1997), S. 58–75; Betge (2000), S. 214–225. Zu Programmentscheidungen in der Investitionsrechnung vgl. Kruschwitz (2003), S. 209–279. Zu den dynamischen Verfahren der Investitionsrechnung vgl. Adam (2000), S. 118–162. Zur Linearen Programmierung — auch Lineare Optimierung oder Lineare Planungsrechnung genannt — vgl. Domschke, Drexl (2002), S. 12–54; Müller–Merbach (1973), S. 88–175.
Zu einem einfachen Grundmodell der taktischen Kapazitätsplanung vgl. Zäpfel (2000b), S. 136–140; Jacob (1973), S. 212–213, 260–261.
Zur Äquivalenz alternativer Zielkonzepte in Modellen der simultanen Investitions–und Finanzplanung vgl. Bitz (1976). Zur Eignung kalkulatorischer und handelsrechtlicher Erfolgsgrößen für mehrperiodige Investitionsrechnungen vgl. Kloock (1981).
Zum Problem der Bewertung des Restnutzungspotentials einer Kapazitätseinheit vgl. Adam (1968); Jacob (1964), S. 557.
Die angeführten Nebenbedingungen und Bestandsgleichungen lassen sich sowohl für Betriebsmittel als auch für den Faktor Personal formulieren. Vgl. Strutz (1976), S. 87–90.
Um die logische Konsistenz der Planungsergebnisse zu gewährleisten, ist zudem zu fordern, daß ein Kapazitätsabbau nur maximal in dem Umfang erfolgen kann, wie Betriebsmittel angeschafft worden sind. Außerdem sind entsprechende Nicht–Negativitätsbedin–gungen für die Variablen und einzelne Modellparameter einzuhalten.
Zu einem Modell, das Raumpotentiale explizit als Kapazitätseinheiten mit berücksichtigt, vgl. Woischwill (1992), S. 44–47.
Vgl. z.B. Jacob (1964), S. 559–560.
Vgl. Kruschwitz (2003), S. 255–257, 278–279; Layer (1975), S. 65–105; Müller–Merbach (1973), S. 366–412; Seelbach (1967), S. 55–97.
Vgl. beispielsweise Jacob (1964), S. 581–587; Swoboda (1965), S. 156–159; Jacob (1973), S. 262–264, 363–364; Inderfurth (1982), S. 20–26; Stützte (1987), S. 136–156; Woischwill (1992), S. 83–89; Strutz (1976), S. 80–91. Zu Integrationsmodellen vgl. Betge (2000), S. 243–248; Jacob, Voigt (1997), S. 76–92.
Vgl. Betge (2000), S. 11–12; Kruschwitz (2003), S. 212–213. Zum Interdependenzproblem in der Investitionsrechnung vgl. Jacob, Voigt (1997), S. 20–24.
Zu diesem von Jacob formulierten Prinzip der Gewinnrückkopplung vgl. Jacob (1964), S. 581–584.
Vgl. Jacob (1964), S. 565–569; Jacob, Voigt (1997), S. 87–92.
Vgl. beispielsweise Jacob (1973), S. 312–313; Kruschwitz (2003), S. 260–261, 275–279.
Vgl. Inderfurth (1982), S. 148–149; Jacob, Voigt (1997), S. 92.
Vgl. Jacob (1967), S. 153–158; Hax (1970).
Vgl. Riess (1996), S. 15–16; Inderfurth (1982), S. 37–94, 149–150. Zu Methoden der Investitionsplanung unter Unsicherheit vgl. Kruschwitz (2003), S. 285–389; Adam (2000), S. 334–371; Sibbel, Lutschewitz (2004).
Vgl. Schweitzer (2003), S. 104.
Zu den Strukturmerkmalen eines allgemeinen investitionstheoretischen Modells zur taktischen Kapazitätsplanung für Dienstleistungen vgl. Schweitzer (2003), S. 92–98.
Diese Faktorrelationen geben für einen einzelnen Prozeß an, welche genauen Einsatzfaktoren in welchen Mengen zur Durchführung des Prozesses benötigt werden. Sie werden daher in Anlehnung an den Begriff Produktionskoeffizient auch als Prozeßkoeffizient bezeichnet. Vgl. Schweitzer (2003), S. 56.
Vgl. Schweitzer (2003), S. 79–85.
Vgl. Schweitzer (2003), S. 177–178. Je nachdem, wie sehr sich die Individualität und Integrativität der Dienstleistung auf die Prozesse und den Faktoreinsatz auswirken, d.h., je mehr die Dienstleistung Projektcharakter besitzt, desto mehr ist sie als terminlich fein strukturierte Dienstleistungsproduktion mit niedriger Wiederholungsrate zuzuordnen. Vgl. Schweitzer (2003), S. 235–236.
Zu den allgemeinen und für diesen Dienstleistungstyp unterstellten Anwendungsbedingungen vgl. Schweitzer (2003), S. 89–91 und 180–184.
Vgl. Schweitzer (2003), S. 234.
Vgl. Jacob, Voigt (1997), S. 14–16.
Vgl. Schweitzer (2003), S. 94–95, 113–114.
Zur Problematik der Formulierung einer geeigneten Zielfunktion als Schwachpunkt von Optimierungsmodellen vgl. Page (1982), S. 185. Zu Methoden der Auflösung von Zielkonflikten vgl. Adam (1996b), S. 109–112.
Vgl. Schweitzer (2003), S. 175.
Vgl. Adam (2000), S. 73–77.
Vgl. Jacob, Voigt (1997), S. 99–100. Zu Chance–Constrained–Modellen vgl. Chames, Cooper (1960); Bühler, Dick (1973), S. 101–110. Zu Ersatzmodellen für stochastisch lineare Programme vgl. Riess (1996), S. 83–179.
Vgl. Schweitzer (2003), S. 174–175.
Vgl. Schweitzer (2003), S. 126–129.
Vgl. Schweitzer (2003), S. 223–224. Zu Lerneffekten in der Produktion vgl. Mochty (1996). Zur Modellierung und Aggregation von Lern–und Erfahrungseffekten vgl. Kloock, Sabel, Schuhmann (1987), S. 9–39; Werkmeister (2000), S. 164–168.
Vgl. Schweitzer (2003), S. 144–148, 223–224.
Vgl. Schweitzer (2003), S. 177–180.
Vgl. Schweitzer (2003), S. 191–192.
Vgl. Schweitzer (2003), S. 234.
Vgl. Meffert (1969), S. 800. Jacob betont allerdings, daß trotz des umfassenden mehrperi–odigen Planungshorizonts der wesentliche Zweck der Investitionsprogrammplanung darin besteht, unter Berücksichtigung der zeitlich–vertikalen Interdependenzen die in der ersten Periode durchzuführenden Investitionen festzulegen. Vgl. Jacob, Voigt (1997), S. 74. Siehe dazu auch Seelbach (1967), S. 53.
Vgl. Schweitzer (2003), S. 223–224.
Vgl. Page (1982), S. 231–244.
Vgl. Meffert (1969), S. 800.
Zur Sensitivitätsanalyse im Rahmen der Linearen Programmierung vgl. Adam (1996b), S. 467–470.
Vgl. Page (1982), S. 182–183; Schlüchtermann (1990), S. 83.
Vgl. Meyer, Wohlmannstetter (1985), S. 262; Greißinger (2000), S. 11–12.
Vgl. Haksever et al. (2000), S. 383–385; Breyer, Zweifel, Kifmann (2003), S. 331–333. Zu den Problemen der Messung und Bewertung von Ressourcenverbräuchen im Krankenhaus vgl. Greißinger (2000), S. 44–51. Zur Problematik der Wirtschaftlichkeitsmessung vgl. Mayer (1958).
Zur Systematisierung von Kennzahlen vgl. Merkle (1982), S. 326; Reichmann (2001), S. 21–22. Zur Diskussion alternativer betrieblicher Kennzahlen vgl. Vodrazka (1967), S. 28–91.
Zur Diskussion herkömmlicher Wirtschaftlichkeitskennzahlen im Vergleich zu Effizienz–werten vgl. Greißinger (2000), S. 124–125.
Vgl. Greißinger (2000), S. 80–81.
Vgl. Reichmann (2001), S. 59–60; Dyckhoff, Allen (1999), S. 411; Kern (1971), S. 702.
Vgl. Janssen (1999), S. 17–20; Schmitz (2000), S. 116–119; Merkle (1982), S. 329.
Zu Verfahren der Vergleichsgruppierung von Krankenhäusern vgl. Bürkle (1997), S. 104–108; Reichsthaler (2001), S. 78–82.
Vgl. Janssen (1999), S. 2; Staat (2000), S. 125; Kuntz, Scholtes (1999), S. 188–189. Zur gesetzlichen Verankerung von Krankenhausbetriebsvergleichen vgl. § 5 BPflV; Lüngen, Wolf–Ostermann, Lauterbach (2001), S. 3–13; Breyer, Zweifel, Kifmann (2003), S. 328.
Vgl. Kracht (1982), S. 121–132. Zu Möglichkeiten der Operationalisierung des Krankenhaus–Outputs vgl. Janssen (1999), S. 46–60.
Vgl. Kuntz, Scholtes (1999), S. 189–191; Schmitz (2000), S. 139. Zu alternativen Verfahren von Krankenhausbetriebsvergleichen vgl. Reichsthaler (2001), S. 119–123; Janssen (1999), S. 157–211; Bürkle (1997), S. 108–133.
Vgl. Bürkle (1997), S. 91–100; Janssen (1999), S. 125–128; Schmitz (2000), S. 127–133.
Vgl. Mansky (2000), S. 186. Gleichzeitig verlagert sich damit die Zielsetzung von Krankenhausvergleichen weg von der Budgetfindung hin zu managementorientierten Zwecken. Vgl. Mansky (2000), S. 190; Lüngen, Wolf–Ostermann, Lauterbach (2001), S. 166–168.
Vgl. Fischer (2001), S. 15–17; Reichsthaler (2001), S. 57–60; Breyer, Zweifel, Kifmann (2003), S. 334–336. Zu den Potentialen des Benchmarking im DRG–System vgl. z.B. Möws, Seidel (2001). Analog tragen auch die Pflegekategorien gemäß Pflege–Personalregelung zur Vergleichbarkeit der pflegerischen Leistungen bei. Vgl. Kapitel 3.3.3.2.
Vgl. Lüngen, Wolf–Ostermann, Lauterbach (2001), S. 163–164; Fischer (2001), S. 28; Janssen (1999), S. 137–138; Bürkle (1997), S. 100–104. Zu den Vorteilen und Möglichkeiten fallgruppen–bzw. DRG–basierter Betriebsvergleiche vgl. Mansky (2000), S. 186–189; Neubauer, Demmler (1988), S. 757.
Vgl. Kleine (2002), S. 69–85; Greißinger (2000), S. 132.
Vgl. Staat (2000), S. 127–131. Zur Einbettung der Data Envelopment Analysis in das Benchmarking vgl. Homburg (2000), S. 583–586; Helmig (2001), S. 489–493.
Vgl. Charnes, Cooper, Rhodes (1978), S. 429–430; Cantner, Hanusch (1998), S. 237; Kuntz, Scholtes (1999), S. 192.
Vgl. Dyckhoff, Allen (1999), S. 411–412. Ein Überblick über ausgewählte Anwendungen findet sich bei Schefczyk (1996), S. 176–178; Bürkle (1997), S. 1–3. Zu Studien im Krankenhaussektor vgl. die Übersicht und die Analysen in Bürkle (1997), S. 37–91, sowie Hollingsworth, Dawson, Maniadakis (1999), S. 164–167; O’Neill (1998), S. 23–26; Al–Shammari (1999); Kuntz, Scholtes (1999), S. 195–202; Staat (2000), S. 131–135; Greißin–ger (2000), S. 161–199; Hofmarcher, Paterson, Riedel (2002); Tsai, Mar Molinero (2002); Delesie (2003); Sommersguter–Reichmann (2003). Zum Vergleich alternativer Verfahren der Effizienzmessung von Krankenhäusern vgl. Jacobs (2001).
Vgl. Bürkle (1997), S. 141; Cantner, Hanusch (1998), S. 228; Dyckhoff (2003), S. 177.
Vgl. Bürkle (1997), S. 10–11.
Vgl. Bürkle (1997), S. 7. Zum mathematischen Ansatz der Data Envelopment Analysis vgl. Chames, Cooper, Rhodes (1978), S. 430–435; Dyckhoff, Allen (1999), S. 420–421; Reichsthaler (2001), S. 104–115. Zur Kritik insbesondere an der linearen Verknüpfung der Merkmale vgl. Delesie (2003), S. 149–154.
Vgl. Reichsthaler (2001), S. 118. Zur produktionstheoretischen Fundierung und Ableitung der Data Envelopment Analysis vgl. Dyckhoff, Allen (1999), S. 422–430.
Vgl. Schefczyk (1996), S. 168–169; Greißinger (2000), S. 88–89. Zu den Nachteilen parametrischer Ansätze von Kostenfunktionen vgl. Breyer, Zweifel, Kifmann (2003), S. 342.
Vgl. Bürkle (1997), S. 11.
Derartige Kombinationen real existierender Referenzdaten werden auch als virtuelle Technologien bezeichnet. Vgl. Homburg (2000), S. 584; Cantner, Harnisch (1998), S. 232.
Vgl. Kuntz, Scholtes (1999), S. 192–193. Je nach Effizienzmaß bezieht sich die Ineffizienz auf eine gleichmäßige Verringerung aller oder nur einzelner Inputfaktoren. Vgl. Dyckhoff, Allen (1999), S. 416–418. Zu den Arten und Maßgrößen der Ineffizienz vgl. Cantner, Harnisch (1998), S. 229–230; Kleine (2002), S. 177–210.
Vgl. Helmig (2001), S. 490; Dyckhoff, Allen (1999), S. 425; Werner, Brokemper (1996), S. 165. Zur Darstellung und Interpretation der Analyseergebnisse der Data Envelopment Analysis vgl. Greißinger (2000), S. 103–116.
Vgl. z.B. Chames, Neralić (1990); Seiford, Zhu (1998); Cooper et al. (2001). Zu den modellunabhängigen Erweiterungen der Data Envelopment Analysis vgl. Schefczyk (1996), S. 174–176; Coelli, Rao, Battese (1998), S. 161–176; Cooper, Seiford, Tone (2000), S. 115–235.
Vgl. beispielsweise Sengupta (1999).
Zur Klassifizierung von Data–Envelopment–Analysis–Verfahren vgl. Schefczyk (1996), S. 171–173; Kleine (2001), S. 230–232; Greißinger (2000), S. 100–102.
Vgl. z.B. Coelli, Rao, Battese (1998), S. 134–159.
Vgl. Kleine (2002), S. 210–213; Dyckhoff, Allen (1999), S. 431–432; Bürkle (1997), S. 142.
Zu diesen Auswahlkriterien und dem Auswahlraster vgl. Schefczyk (1996), S. 173–174.
Zu diesem als „Hybrid Modelling“ bezeichneten Vorgehen vgl. Greißinger (2000), S. 102, 128–129.
Vgl. Reichsthaler (2001), S. 118; Helmig (2001), S. 491. Zu Vor–und Nachteilen der Data Envelopment Analysis vgl. auch Schefczyk (1996), S. 178–179; Bürkle (1997), S. 141–145; Dyckhoff, Allen (1999), S. 430–433; Greißinger (2000), S. 121–130.
Vgl. Reichsthaler (2001), S. 118–119.
Vgl. Bürkle (1997), S. 144; Homburg (2000), S. 587; Reichsthaler (2001), S. 116.
Vgl. Dyckhoff (2003), S. 182–183; Kleine (2001), S. 240. Als Beispiel siehe die Ergebnisse in Hofmarcher, Paterson, Riedel (2002), S. 11–13.
Vgl. Dyckhoff, Allen (1999), S. 432.
Vgl. Kleine (2001), S. 239–240.
Vgl. Greißinger (2000), S. 129; Dyckhoff, Allen (1999), S. 413.
Vgl. Homburg (2000), S. 587.
Zu deskriptiven und kausalen Methoden des Betriebsvergleichs vgl. Endres (1980), S. 14–24; Vodrazka (1967), S. 17–19.
Zur Data Envelopment Analysis als Planungs–und Kontrollinstrument vgl. Werner, Brokemper (1996), S. 168–169.
Vgl. Greißinger (2000), S. 121; Dyckhoff, Allen (1999), S. 431–432. Die Data Envelopment Analysis zählt somit zu den Methoden des Verfahrensvergleichs. Vgl. Vodrazka (1967), S. 95–96.
Zu den Anforderungen an die Input–und Outputgrößen vgl. Greißinger (2000), S. 118.
Vgl. Dyckhoff, Allen (1999), S. 429–430.
Vgl. Greißinger (2000), S. 128–129.
Vgl. Cooper, Seiford, Tone (2000), S. 251–277; Schefczyk (1996), S. 176; Cantner, Hanusch (1998), S. 237.
Vgl. Greißinger (2000), S. 129; Kleine (2001), S. 232–233.
Vgl. Shafer, Byrd (2000), S. 135; Kleine (2001), S. 240. Zu den Grundannahmen der Data Envelopment Analysis vgl. Dyckhoff, Allen (1999), S. 432–433. Zum Überblick über mögliche Technologien im Rahmen der Data Envelopment Analysis vgl. Kleine (2002), S. 156–160. Zu dienstleistungsspezifischen Produktionsfunktionen vgl. Corsten (2001), S. 188–248. Zum Krankenhaus als Produktionsbetrieb vgl. Feldstein (1967), S. 90–124; Breyer, Zweifel, Kifmann (2003), S. 337–342.
Vgl. Greißinger (2000), S. 126–130; Kleine (2001), S. 231–232; Dyckhoff, Allen (1999), S. 432. Zu weiteren Anwendungsempfehlungen für ein Benchmarking mit Hilfe der Data Envelopment Analysis vgl. Helmig (2001), S. 493–494.
Vgl. Greißinger (2000), S. 149–159.
Vgl. Greißinger (2000), S. 85.
Vgl. Greißinger (2000), S. 137.
Vgl. Homburg (2000), S. 586–587; Werner, Brokemper (1996), S. 165.
Vgl. Werner, Brokemper (1996), S. 168–169; Haksever et al. (2000), S. 398.
Vgl. Greißinger (2000), S. 135–136; Dyckhoff, Allen (1999), S. 423.
Vgl. Dyckhoff, Allen (1999), S. 433.
Vgl. Greißinger (2000), S. 122.
Vgl. Kleine (2002), S. 125–127; Kern (1971), S. 701–702.
Vgl. Bürkle (1997), S. 142–143.
Vgl. Greißinger (2000), S. 126–127.
Vgl. z.B. Sengupta (1987); Land, Lovell, Thore (1993); Sueyoshi (2000), S. 385–389; Cooper et al. (2002). Zu stochastischen Modellen der Data Envelopment Analysis vgl. auch Greißinger (2000), S. 142–144.
Vgl. Breyer, Zweifel, Kifmann (2003), S. 349. Zu Formen der Unsicherheit bei der Durchführung von Wirtschaftlichkeitsanalysen generell vgl. Greißinger (2000), S. 39.
Vgl. Helmig (2001), S. 495; Cooper, Seiford, Tone (2000). Ein Vergleich verschiedener Softwareprogramme zur Data Envelopment Analysis findet sich bei Hollingsworth (1997).
Vgl. Cantner, Hanusch (1997); Bürkle, Raber (1995); Dlouhy, Pankova (2003).
Vgl. Dyckhoff, Allen (1999), S. 423; Greißinger (2000), S. 85.
Vgl. Seiford (1997), S. 393, und die dort angeführte ausführliche Bibliographie zur Data Envelopment Analysis; Greißinger (2000), S. 205.
Vgl. Helmig (2001), S. 495.
Vgl. Greißinger (2000), S. 129.
Vgl. Bürkle (1997), S. 142–143.
Vgl. Breyer, Zweifel, Kifmann (2003), S. 342.
Vgl. Bürkle (1997), S. 144–145; Greißinger (2000), S. 129.
Vgl. Breyer, Zweifel, Kifmann (2003), S. 349–350.
Greissinger schlägt z.B. im Rahmen der Effizienzanalyse medizinischer Verfahren vor, patientenbezogene Input–Output–Relationen als Vergleichsobjekte anzusetzen. Vgl. Greißinger (2000), S. 134. In Anlehnung daran könnten zur strategisch–taktischen Kapazitätsplanung Analysen in Abhängigkeit von Fallgruppen oder verschiedener Ausprägungen des Leistungsspektrums sinnvoll sein.
Zu den Merkmalen eines Warteschlangenproblems vgl. Duckett (1987), S. 46–56.
Vgl. Gal (1992), S. 256–257; Hegemann (1986), S. 57–58.
In Anlehnung an Hegemann (1986), S. 58.
Vgl. Hegemann (1986), S. 58–59.
Vgl. Hillier, Liebermann (2001), S. 835–837; Runzheimer (1999), S. 329–331.
Vgl. Schlüchtermann (1990), S. 94–95. Zu den Grundlagen der Warteschlangentheorie vgl. Saaty (1961); Hillier, Liebermann (2001), S. 834–890; Gross, Harris (1998); Domschke, Drexl (2002), S. 193–205.
Vgl. Schlüchtermann (1990), S. 100.
Mit der Zwischenankunftszeit wird die Zeitdauer bezeichnet, die nach Eintreffen einer nachfragenden Einheit vergeht, bevor die Ankunft der nächsten Einheit erfolgt. Vgl. Domschke, Drexl (2002), S. 197.
Zu Wahrscheinlichkeitsverteilungen vgl. Müller–Merbach (1973), S. 419–426.
Vgl. Schlüchtermann (1990), S. 95–100, 113–115; Fandel, Hegemann (1986), S. 1133–1134; Dietrich, Walleitner (1982), S. 17–21.
Zu unterschiedlichen Typen von Leistungsstellen vgl. Schmidt (1985), S. 103–114.
Mit der Warteschlangendisziplin wird auch festgelegt, ob bzw. unter welchen Bedingungen ein Kunde ggf. die Warteschlange vor Abfertigung wieder verläßt. Vgl. Gal (1992), S. 257.
Warteschlangenmodelle, die derartige Unterbrechungen bei der Leistungserstellung zulassen, werden als preemtive Systeme bezeichnet. Vgl. Schlüchtermann (1990), S. 102–103.
Vgl. beispielsweise die Grundmodelle in Haksever et al. (2000), S. 313.
Vgl. Kendall (1953), S. 338–340; Dietrich, Walleitner (1982), S. 28; Gross, Harris (1998), S. 7–8. Im Gegensatz dazu bezieht sich die erweiterte Notation von Hegemann auf sämtliche Merkmale zur Kennzeichnung eines warteschlangentheoretischen Modellansatzes. Er geht dabei aber immer von offenen Systemen, d.h. unbeschränkten Inputquellen aus. Vgl. Hegemann (1986), S. 79–82. Vgl. auch Domschke, Drexl (2002), S. 204–205.
Vgl. Gal (1992), S. 270. Als Beispiel sei auf die Analyse der Probleme der Werkstattfertigung mit Hilfe der Warteschlangentheorie in Häfner (1992), S. 97–161, hingewiesen. Zur Wahrnehmung von Zeitaspekten und zu Einflußfaktoren auf die Bewertung von Wartesituationen vgl. Schäffer (2003), S. 179–199; Stuhlmann (2000), S. 201–206; Haksever et al. (2000), S. 297–299; Larson (1987), S. 897–901.
Vgl. Gal (1992), S. 274–279.
Vgl. Gal (1992), S. 257; Gross, Harris (1998), S. 9; Runzheimer (1999), S. 331–334; Haksever et al. (2000), S. 312; Domschke, Drexl (2002), S. 193.
Vgl. Adam (1996b), S. 493; Schlüchtermann (1990), S. 118–119.
Vgl. z.B. Egle (1970), S. 323–324; Hegemann (1986), S. 72. Zu den Merkmalen von Krankenhäusern im Sinne eines Warteschlangensystems vgl. auch Schläger (1976), S. 17–18. Für einzelne Funktionsdienste lassen sich ggf. neben den Notfällen noch stationäre und ambulante Patienten als unabhängige Inputquellen unterscheiden.
Zum Zusammenhang zwischen exponentialverteilten Zwischenankunftszeiten und der Poissonverteilung der Zahl der Ankünfte in einem Zeitraum vgl. Hillier, Liebermann (2001), S. 845–846.
Vgl. Schlüchtermann (1990), S. 33–35; Schweitzer (2003), S. 102.
Vgl. Schlüchtermann (1990), S. 35–37.
Zur Diskussion der verschiedenen Parameter von Warteschlangenmodellen im Rahmen der Anwendung auf Krankenhausleistungen vgl. Schlüchtermann (1990), S. 104–120. Zu Warteschlangenmodellen mit Prioritätsregeln vgl. Hillier, Liebermann (2001), S. 879–885.
In Anlehnung an Schläger (1976), S. 17.
Vgl. Schlüchtermann (1990), S. 99–100; Schweitzer (2003), S. 102. Zu warteschlangen–basierten Anwendungen im Gesundheitswesen vgl. Saaty (1961), S. 343–346; Egle (1970); Schläger (1976); Page (1982), S. 322–344; Dietrich, Walleitner (1982), S. 41–63; Hegemann (1986), S. 60–63; Worthington (1987). Einen Überblick über die Inhalte und Besonderheiten des Operations Reserach im Gesundheitswesen gibt Vissers in Vissers (2003b).
Vgl. Kistner, Switalski (1988), S. 5–9. Zu den Eigenschaften von Markov–Ketten vgl. Hil–lier, Liebermann (2001), S. 803–808; Chao, Miyazawa, Pinedo (1999), S. 15–22.
Vgl. Gal (1992), S. 280; Kendall (1953), S. 341–352; Gross, Harris (1998), S. 22–45; Domschke, Drexl (2002), S. 198–203.
Vgl. Gal (1992), S. 284, 286; Schlüchtermann (1990), S. 119–120; Hillier, Liebermann (2001), S. 885–889. Beispielsweise basiert das mehrstufige Modell von Hegemann zur klinischen Diagnostik eines Krankenhauses auf dieser Prämisse, um die Kenngrößen analytisch bestimmen zu können. Vgl. Hegemann (1986), S. 125–127. Zu Warteschlangennetzwerken vgl. Chao, Miyazawa, Pinedo (1999).
Vgl. Gross, Harris (1998), S. 370–371; Haksever et al. (2000), S. 317.
Zu Warteschlangenmodellen als Entscheidungsinstrument vgl. Hillier, Liebermann (2001), S. 907–926.
Vgl. Schweitzer (2003), S. 102–104.
Vgl. Schlüchtermann (1990), S. 123.
Vgl. Kistner, Switalski (1988), S. 2; Hegemann (1986), S. 59–60. Zu Warteschlangen als realem Phänomen vgl. z.B. Gal (1992), S. 256.
Vgl. Hillier, Liebermann (2001), S. 839. Zur Kritik an der Analyse stabiler Gleichgewichtszustände vgl. Larson (1987), S. 901–904.
Zu den statistischen Anwendungsvoraussetzungen von Warteschlangenmodellen vgl. Dietrich, Walleitner (1982), S. 30–32.
Vgl. Kistner, Switalski (1988), S. 2–3.
Vgl. Schlüchtermann (1990), S. 123.
Vgl. Hegemann (1986), S. 63–64; Schlüchtermann (1990), S. 121.
Zu dynamischen Warteschlangenmodellen vgl. z.B. Meyer (1971), S. 78–92, 123–142, 172–181.
Vgl. Kistner, Switalski (1988), S. 2–3.
Vgl. Hillier, Liebermann (2001), S. 852–871; Hegemann (1986), S. 64.
Vgl. Gal (1992), S. 283–284; Dietrich, Walleitner (1982), S. 38–39.
Vgl. Kistner, Switalski (1988), S. 1; Gal (1992), S. 284, 286.
Vgl. Schlüchtermann (1990), S. 123.
Vgl. Fandel, Hegemann (1986), S. 1129–1130.
Vgl. Schläger (1976), S. 31.
Vgl. Schlüchtermann (1990), S. 121–122; Adam (1996b), S. 488.
Vgl. z.B. Schläger (1976), S. 33–72, 234.
Vgl. Adam (1996b), S. 488. Zu den Grundlagen der Simulationstheorie und ihrer Anwendung auf betriebliche Systeme vgl. Witte (1973); Harrington, Tumay (2000); Law, Kelton (2000); Banks et al. (2001).
Vgl. Witte (1973), S. 18–19; Schlüchtermann (1990), S. 124–125; Rieper (1992), S. 132–133.
Vgl. Gal (1992), S. 293; Komarnicki (1980), S. 14.
Vgl. Harrington, Tumay (2000), S. 108–118. Zur Struktur formaler Systeme vgl. Witte (1973), S. 74–77. Zu einem möglichen Informationsschema zur Modellentwicklung bestehend aus Prozeßelementen und–regeln vgl. Komarnicki (1980), S. 73–108.
Vgl. Gal (1992), S. 316–318.
Vgl. Witte (1973), S. 116; Hillier, Liebermann (2001), S. 1113–1114. Eine Übersicht über den Ablauf einer Simulationsanalyse findet sich z.B. in Komarnicki (1980), S. 21–30; Gal (1992), S. 304–329; Sibbel, Urban (2001), S. 190–194; Neumann, Rosemann, Schwegmann (2003), S. 452–454.
Vgl. Banks et al. (2001), S. 4–5; Baron et al. (2001), S. 141; Adam (1996b), S. 488.
Vgl. Domschke, Drexl (2002), S. 206.
Zu dieser Systematik von Simulationsarten vgl. Domschke, Drexl (2002), S. 207–208; Law, Kelton (2000), S. 5–6; Stützle (1987), S. 242–246.
Vgl. Hillier, Liebermann (2001), S. 1086; Gal (1992), S. 294–295.
Vgl. Harrington, Tumay (2000), S. 49–50; Law, Kelton (2000), S. 87–89.
Vgl. Hillier, Liebermann (2001), S. 1093–1095; Witte (1973), S. 45–73.
Vgl. Domschke, Drexl (2002), S. 208.
Zum Unterschied zwischen zeitorientierten und ereignisorientierten Simulationsmodellen vgl. Witte (1973), S. 99–102; Gal (1992), S. 314–315; Adam (1996b), S. 489–491.
Vgl. Domschke, Drexl (2002), S. 208.
Vgl. Schlüchtermann (1990), S. 127; Adam (1996b), S. 490.
Vgl. Banks et al. (2001), S. 13–14; Gal (1992), S. 296–297.
Vgl. Witte (1973), S. 177–195. Zur statistischen Auswertung von Simulationsdaten vgl. Fischer (1988).
Vgl. Hillier, Liebermann (2001), S. 1114; Gal (1992), S. 325–329; Fischer (1988), S. 401.
Vgl. Schlüchtermann (1990), S. 127; Schmidt (1985), S. 67. Zur statistischen Auswertung von Simulationsergebnissen vgl. Runzheimer (1999), S. 273–274.
Vgl. Dietrich, Walleitner (1982), S. 75;???.
Vgl. Domschke, Drexl (2002), S. 211–216; Hillier, Liebermann (2001), S. 1101–1110. Zur Auswahl von Verteilungsfunktionen vgl. Law, Kelton (2000), S. 292–394.
Vgl. Page (1982), S. 185; Hegemann (1986), S. 69–70; Adam (1996b), S. 489. Zu den Funktionen von Simulationen vgl. Gal (1992), S. 305–306.
Vgl. Schlüchtermann (1990), S. 127; Domschke, Drexl (2002), S. 206.
Vgl. Domschke, Drexl (2002), S. 220; Law, Kelton (2000), S. 12–60; Runzheimer (1999), S. 341–342; Dietrich, Walleitner (1982), S. 64–77.
Vgl. Witte (1989), S. 514; Gal (1992), S. 286; Adam (1996b), S. 488. Zu Modellierungskonzepten als Grundlage für Simulationen vgl. Wenzel (2000), S. 29–30.
Vgl. Page (1982), S. 186; Hegemann (1986), S. 64. Zu Simulationsstudien im Gesundheitswesen vgl. beispielsweise Fetter, Thompson (1965); Fuchs, Gierl (1979); Schläger (1979); Davies (1985); Wright (1987); Kumar, Si Ow, Prietula (1993); Davies (1994); Altinel, Ulas (1996); Taylor, Eldabi, Paul (1998); Eldabi, Paul, Taylor (1999); Vissers (2003a); Harper, Gamlin (2003).
Vgl. Gal (1992), S. 321–322; Schmidt (1985), S. 210–211. Ein knapper Überblick über verschiedene Simulationssprachen und deren Merkmale findet sich bei Domschke, Drexl (2002), S. 220–222; Law, Kelton (2000), S. 202–234; Schmidt (1988), S. 18–22. Ein historischer Abriß zur Entwicklung von Simulationssprachen findet sich bei Kreutzer (2000), S. 99–105; Harrington, Tumay (2000), S. 7–8. Zum Stand von Simulationssystemen für Krankenhäuser vgl. Sibbel, Urban (2001), S. 187–188. Zu Auswahlkriterien für Simulationsprachen vgl. Banks et al. (2001), S. 100–103; Baron et al. (2001), S. 146–150.
Vgl. Adam (1996b), S. 489; Witte (1973), S. 38–40; Harrington, Tumay (2000), S. 100–101. Zu Voraussetzungen des Einsatzes von Simulationsmodellen vgl. Komarnicki (1980), S. 15–16. Zu den Vorteilen der Simulation vgl. Schmidt (1988), S. 15–16. Zu Anforderungen an simulationsfähige Prozesse vgl. Neumann, Rosemann, Schwegmann (2003), S. 450.
Zu alternativen Abstraktionsebenen bei der Modellierung von Geschäftsprozessen vgl. Kühn, Karagiannis (2001), S. 1164.
Vgl. Page (1982), S. 185.
Vgl. Runzheimer (1999), S. 245; Gal (1992), S. 293; Müller–Merbach (1973), S. 451.
Vgl. Sibbel, Urban (2000), S. 78–79; Harrington, Tumay (2000), S. 29–30.
Vgl. Gal (1992), S. 303.
Vgl. z.B. Fetter, Thompson (1965), S. 693–710; Fuchs, Gierl (1979), S. 163–165.
Vgl. Adam (1996b), S. 488; Schmidt (1988), S. 11.
Vgl. Adam (1998), S. 665; Adam (1996b), S. 488. Zu den Parametern der Simulation von Geschäftsprozessen z.B. vgl. Kühn, Karagiannis (2001), S. 1166.
Vgl. Sibbel, Urban (2000), S. 198.
Zu den Besonderheiten von Simulationsanalysen für Dienstleistungen vgl. Kühn, Karagi–annis (2001), S. 1163.
Vgl. Sibbel, Urban (2001), S. 195–198.
Zur Grundstruktur eines Simulationsmodells für Krankenhäuser vgl. Sibbel, Urban (2000), S. 79–81; Sibbel, Urban (2001), S. 196–200.
Vgl. Witte (1973), S. 102–103.
Vgl. Duckett (1987), S. 69.
Zur Modellierung von Wahrscheinlichkeitsverteilungen, Ablaufalternativen, Prozeßinstanzen und Ressourcenverfügbarkeiten vgl. Neumann, Rosemann, Schwegmann (2003), S. 457–462.
Vgl. Neumann, Rosemann, Schwegmann (2003), S. 454–455. Zur graphischen Modellspezifikation vgl. Reger (1999). Zu objektorientierten Simulationssystemen vgl. Witte (1999); Kreutzer (2000), S. 105–116.
Vgl. Reger (1999), S. 85–86; Baron et al. (2001), S. 138.
Vgl. Gal (1992), S. 323. Zum Problem der Validierung von Simulationsmodellen vgl. auch Law, Kelton (2000), S. 269–282; Page (1982), S. 232–244; Witte (1973), S. 112–118.
Zu statistischen Verfahren zum Vergleich von Simulationsergebnissen mit realen Daten vgl. Law, Kelton (2000), S. 283–290.
Vgl. Wiendahl, Yu (2000), S. 500.
Vgl. Kreutzer (2000), S. 112–113; Kühn, Karagiannis (2001), S. 1168. Zur Animation der Abläufe eines Simulationsmodells vgl. Schmidt (1988), S. 23–24. Zu neuen Modellierungstechniken für Simulationen vgl. Wenzel (2000), S. 31–32. Zu Trends im Rahmen der Weiterentwicklung von Simulationssystemen vgl. Banks et al. (2001), S. 131–134.
Vgl. Baron et al. (2001), S. 138–139; Dietrich, Walleitner (1982), S. 76–78; Page (1982), S. 185–186; Schlüchtermann (1990), S. 137–138; Law, Kelton (2000), S. 2. Zu den Nachteilen der Simulation vgl. Schmidt (1988), S. 16–17.
Vgl. Hegemann (1986), S. 70.
Vgl. Witte (1989), S. 514. Zu den Kosten des Einsatzes von Simulationssystemen vgl. Harrington, Tumay (2000), S. 42–46.
Vgl. Gal (1992), S. 286; Runzheimer (1999), S. 341.
Vgl. Zapf (2003), S. 62–64; Schlüchtermann (1990), S. 137; Page (1982), S. 185.
Vgl. Schmidt (1985), S. 86–87.
Vgl. Reichert (2000), S. 904–905; Davies, Davies (1995), S. 36.
Vgl. Wunderlich (2002); Coopmans, Pütter (2000), S. 844. Zur Erfassung ablaufabhängiger Kostentreiber in Simulationen vgl. Feldmann, Wunderlich (2000); Zülch, Brinkmeier (1998).
Vgl. Schlüchtermann (1990), S. 138.
Vgl. Davies, Davies (1995), S. 34–37. Zur Modellierung menschlichen Verhaltens auf Basis der Agententechnologie vgl. Sibbel, Urban (2001), S. 194–195.
Vgl. Rieper (1992), S. 139.
Vgl. Adam (1996b), S. 488.
Vgl. Reichert (2000), S. 903–904; Wiendahl, Yu (2000), S. 500–501.
Vgl. Eldabi, Paul, Taylor (1999), S. 238; Baron et al. (2001), S. 150.
Vgl. Banks et al. (2001), S. 5.
Vgl. Coopmans, Pütter (2000), S. 845.
Vgl. Page (1982), S. 183.
Vgl. Runzheimer (1999), S. 320.
Vgl. Coopmans, Pütter (2000), S. 847; Reichert (2000), S. 904–905. Zu Kommunikationsund Kooperationsproblemen als eine Hauptschwierigkeit des Einsatzes quantitativer Planungsverfahren im Krankenhaus vgl. Schlüchtermann (1990), S. 83–84.
Vgl. Witte (1989), S. 524.
Rights and permissions
Copyright information
© 2004 Deutscher Universitäts-Verlag/GWV Fachverlage GmbH, Wiesbaden
About this chapter
Cite this chapter
Sibbel, R. (2004). Verfahren zur strategisch—taktischen Kapazitätsplanung in Dienstleistungsunternehmen. In: Produktion integrativer Dienstleistungen. neue betriebswirtschaftliche forschung (nbf), vol 332. Deutscher Universitätsverlag. https://doi.org/10.1007/978-3-322-82022-8_4
Download citation
DOI: https://doi.org/10.1007/978-3-322-82022-8_4
Publisher Name: Deutscher Universitätsverlag
Print ISBN: 978-3-8244-9138-4
Online ISBN: 978-3-322-82022-8
eBook Packages: Springer Book Archive