Zusammenfassung
Im Mittelpunkt bisheriger Simulationsstudien mit stochastischem Bedarf stehen Heuristiken zur Berechnung von Vorratsergänzungen. Eine Ermittlung von Sicherheitsbeständen erübrigt sich, da diese Tests entweder mit einem Iterations-verfahren sicherstellen, daß alle Heuristiken einen Servicegrad von 100% einhalten 1)2) oder mit der Prämisse operieren, daß eine sofortige Lieferung [λ=0] möglich und der Bedarf der nächsten Periode bekannt ist 3).
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Der Sicherheitsbestand wird solange erhöht, bis die Kombination aus Sicherheitsbestand und heuristikspezifischer Lossequenz einen Servicegrad von z.B. 100% ergibt.
so z.B. bei Callerman/Hamrin (1984), Wemmerlöv/Whybark (1984), Wemmerlöv (1986)
vgl. De Bodt/van Wassenhove (1983aandb) und Tsado (1985)
vgl. Bookbinder/H’Ng (1986)
vgl. Silver (1978)
vgl. Bookbinder/Tan (1985)
Die Brown-Formel garantiert nicht die Einhaltung eines ß-, sondern eines a-Servicegrads; vgl. Abschn. 6.2.2.1.
vgl. Schneider (1979)
ähnlich bei Wemmerlöv/Whybark (1984) und Wemmerlöv (1986)
Entsprechendes gilt nicht für die Ergebnisse von Schneider, da dort mit einer ‘möglichst guten’ aber nicht optimalen Prognose operiert wird, vgl. Schneider (1979, S. 185f). Schneider gibt entweder ein Prognoseverfahren vor oder prognostiziert den zukünftigen Bedarf zunächst mit mehreren (maximal vier) Prognoseverfahren, exponentielle Glättung (vgl. Brown (1963)), Trendmodell der exponentiellen Glättung (vgl. Hansmann (1983, S. 33f1)) Saisonverfahren von Winters (1960), exponentielle Glättung mit dynamischer Anpassung des Glättungsparameter Trigg/Leach (1967), a nach um dann das beste (Kriterium: kleinster quadratischer Fehler) auszuwählen und in Verbindung mit den jeweiligen Heuristiken zur Berechnung von Sicherheitsbeständen und Vorratsergänzungen zu testen.
vgl. z.B. Bamberger (1974, Sp. 2429 )
Für ß0,5 stimmen ß-und y-Servicegrad nahezu überein, da Fehlbestand und Fehlmenge pro Periode kaum voneinander abweichen.
Im Zeitpunkt T’+1 trifft die Vorratsergänzung ein, so daß die Periode T’ die letzte des Vergleichszeitraums ist (vgl. Abb 6–3).
Silver ( 1978, S. 372) stellt z.B. fest: “Theoretical optimality would necessitate a solution so complex as to rule out any chance of successful implementation.”
Eine analoge Vorgehensweise wählen z.B. auch Bookbinder/H’Ng ( 1986, S. 1446).
Vgl. Tab. 6–1 mit den Ergebnissen für erratischen Bedarf. Für konstanten und systematischen Bedarf verhält es sich ähnlich, auf weitere Tabellen wurde daher verzichtet.
In alle zeitnormierten Servicegrad-Nebenbedingungen geht die Zykluslänge über die Berücksichtigung der Vorratsergänzungen ff s,x)- und (s,S)-Modell) oder der Zykluslänge selbst ((t,S)Modell) ein.
Bei Part Periods on 5000 und einer Schwankungsbreite von 80 bzw. 100% sinken die physischen Lagerendbestände, und die Zykluslänge steigt: Die durchschnittlichen Mehrkosten nehmen jedoch zu (Tab. 6–1).
vgl. die Beschreibung der Aggregatebenen in Abschn. 6.1.1; insbesondere die Abb. 6–1 auf S. 163
vgl. Kleijnen/Rens (1978)
vgl. Schneider (1979)
Bei sporadischem Bedarf mit S(e)/E(b)1/2 wird die Servicegradvorgabe jedoch i.d.R. unterschritten, vgl. die Ergebnisse von Schneider ( 1979, S. 20911.
vgl. die Erläuterungen in Abschn. 5.1.1.2
erstmals darauf hingewiesen hat Schneider ( 1979, S. 1331)
vgl. z.B. (5–1) in Abschn. 5.1.1.1 mit (4–29) in Abschn. 4.2.2.4
Sähnliche Ergebnisse erzielt auch Schneider, vgl. Schneider ( 1979, S. 187ff)
vgl. auch die auf globaler Ebene in Abschn. 6.2.1 bereits dokumentierten Zusammenhänge zwischen gegebenem 13- und daraus resultierendem a-Servicegrad
Vortests deuteten darauf hin, daß PPR-K2 bei (s,x)-Modellen besonders leistungsfähig ist.
vgl. (5–2) in Abschn. 5.1.1.1 mit (4–31) in Abschn. 4.2.2.4
vgl. Abschn. 4.2.2 (Entwicklung und Beurteilung von (4–32) und (4–33)) Abschn. 4.2.1.4 (Schneider-Approximation, (4–11) und (4–10)).
vgl. Schneider ( 1979, S. 1108]
Die Rechenzeit steigt z.B. beim (s,S)-Modell mit LUC-K2 von 0,38 msec/Periode (Schneider-Approximation) auf 2,3 msec/Periode (Tijms/Groenevelt-Approximation).
vgl. (5–1) in Abschn. 5.1.1.1 mit (4–29) in Abschn. 4.2.2.4
vgl. Tijms/Groenevelt ( 1984, S. 183)
vgl. Table 1 bei Tijms/Groenevelt ( 1984, S. 184)
Das zweite Integral von (4–36) entspricht dem erwarteten Fehlbestand zu Zyklusbeginn. Letzterer geht insbesondere bei längerem Zyklen gegen Null.
vgl. (4–11) i.V.m. (4–10) in Abschn. 4.2.1.4
vgl. die Ergebnisse in den Tabellen 6–10 und 6–11
Die erwartete Rechenzeit (gemessen über alle 768 Tests) steigt bei der Schneider-Approximation von LUC mit 0,321 zu LUC-K2 mit 0,385 msec/Periode und bei der Tijms/Groenevelt-Approximation von 2,053 zu 2,117 msec/Periode.
vgl. die Standardabweichung der durchschnittlichen Mehrkosten in Tab. 6–14
Spearman’s Rangkorrelationskoeffizienten rs (vgl. Hartung/Elpelt ( 1989, S. 19 1ff)) weisen für die Rangfolgen auf Basis der maximalen Mehrkosten in Verbindung mit denjenigen der durchschnittlichen Mehrkosten durch 585 Tests mit rs?0,4 (436 Tests mit rs?0,6) auf die Redundanz dieses Risikokriteriums hin.
vgl. die Darstellung der Roberts-Approximation in Abschn. 4.2.2.4
Sollte eine (t,S)-Politik zu einer Verkürzung der WBZ führen, (vgl. die Diskussion in Abschn. 4.2.4), läßt sich dieser Tatbestand ebenfalls berücksichtigen.
Die Berechnung von q erfolgt z.B. nach der Approximation von Hastings, vgl. Hastings (1955, S. 167ff), Abramowitz/Stegun (1970, S. 932), Hartung ( 1987, S. 890 ).
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 1991 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Robrade, A.D. (1991). Simulationsstudien. In: Dynamische Einprodukt-Lagerhaltungsmodelle bei periodischer Bestandsüberwachung. Physica-Schriften zur Betriebswirtschaft, vol 34. Physica, Heidelberg. https://doi.org/10.1007/978-3-662-11588-6_7
Download citation
DOI: https://doi.org/10.1007/978-3-662-11588-6_7
Publisher Name: Physica, Heidelberg
Print ISBN: 978-3-7908-0526-0
Online ISBN: 978-3-662-11588-6
eBook Packages: Springer Book Archive