Stochastische dynamische Losgrößenplanung mit positiven Bestellvorlaufzeiten

Stochastic dynamic lot sizing with positive order lead times

  • Die Losgrößenplanung bestimmt optimale Produktionsmengen unter Berücksichtigung von Rüst- und Lagerhaltungskosten. In der stochastischen dynamischen Variante werden dabei dynamische Nachfragen in einem diskreten Periodenraster unterstellt, wobei von der Nachfrage (bis sie sich realisiert) lediglich die stochastische Verteilung bekannt ist. Die Realisierung erfolgt typischerweise in der gleichen Periode, in der die Nachfrage fällig wird. Dies ändert sich allerdings, wenn Kunden mit positiven Vorlaufzeiten bestellen. In diesem Fall erhält man bereits einige Zeit vor der Nachfrageperiode Informationen, welche bei der Entscheidung über die optimale Losgröße relevant sind. Diese Informationen heißen auch Advance Demand Information. In dieser Arbeit wird der Effekt von positiven Bestellvorlaufzeiten auf stochastische Losgrößenplanungsprobleme untersucht. Dabei wird zunächst die Problemstellung detailliert analysiert. Ein Ergebnis dabei ist, dass sich positive Bestellvorlaufzeiten insbesondere bei Problemen unter der sogenannten statischDie Losgrößenplanung bestimmt optimale Produktionsmengen unter Berücksichtigung von Rüst- und Lagerhaltungskosten. In der stochastischen dynamischen Variante werden dabei dynamische Nachfragen in einem diskreten Periodenraster unterstellt, wobei von der Nachfrage (bis sie sich realisiert) lediglich die stochastische Verteilung bekannt ist. Die Realisierung erfolgt typischerweise in der gleichen Periode, in der die Nachfrage fällig wird. Dies ändert sich allerdings, wenn Kunden mit positiven Vorlaufzeiten bestellen. In diesem Fall erhält man bereits einige Zeit vor der Nachfrageperiode Informationen, welche bei der Entscheidung über die optimale Losgröße relevant sind. Diese Informationen heißen auch Advance Demand Information. In dieser Arbeit wird der Effekt von positiven Bestellvorlaufzeiten auf stochastische Losgrößenplanungsprobleme untersucht. Dabei wird zunächst die Problemstellung detailliert analysiert. Ein Ergebnis dabei ist, dass sich positive Bestellvorlaufzeiten insbesondere bei Problemen unter der sogenannten statisch-dynamischen Unsicherheitsstrategie auswirken. Aus diesem Grund werden im Anschluss bestehende Ansätze aus der Literatur für diese Problemklasse untersucht und bewertet. Danach werden daraus neue Ansätze entwickelt, welche durch Berücksichtigung der Advance Demand Information bessere Ergebnisse erzielen können. Diese Ansätze werden im folgenden Schritt schließlich einer numerischen Analyse unterzogen. Sie werden dabei anhand von aussagekräftigen Testdatensätzen auf ihre Genauigkeit, ihre Kostenersparnis und ihren praktischen Nutzen hin untersucht. Die Arbeit endet mit einem Fazit und einem Überblick über offene Forschungsfragen.zeige mehrzeige weniger
  • Lot sizing determines optimal production quantities considering setup and inventory holding costs. The stochastic dynamic version assumes dynamic demand in a discrete set of periods. The demand is assumed to be stochastic (until its realization). The realization typically happens in the same period the demand has to be fulfilled. This changes if customers order with positive lead times. In this case we get new information ahead of the demand period, which is relevant for deciding the lot size. This information is also called advance demand information. In this thesis the effect positive order lead times have on stochastic lot sizing is examined. First the problem is analyzed in detail. One result is, that positive order lead times have a particular impact on problems considering the so called static-dynamic uncertainty strategy. For that reason approaches for this class of problems presented in literature are examined and evaluated next. Thereafter, theses approaches get developed into new ones, which achieve better results by incoLot sizing determines optimal production quantities considering setup and inventory holding costs. The stochastic dynamic version assumes dynamic demand in a discrete set of periods. The demand is assumed to be stochastic (until its realization). The realization typically happens in the same period the demand has to be fulfilled. This changes if customers order with positive lead times. In this case we get new information ahead of the demand period, which is relevant for deciding the lot size. This information is also called advance demand information. In this thesis the effect positive order lead times have on stochastic lot sizing is examined. First the problem is analyzed in detail. One result is, that positive order lead times have a particular impact on problems considering the so called static-dynamic uncertainty strategy. For that reason approaches for this class of problems presented in literature are examined and evaluated next. Thereafter, theses approaches get developed into new ones, which achieve better results by incorporating advance demand information. These approaches are finally evaluated by a numerical analysis. Their accuracy, cost saving potential and practical application are examined with comprehensive test data. The thesis ends with a conclusion and an overview of open research topics.zeige mehrzeige weniger

Volltext Dateien herunterladen

Metadaten exportieren

  • Export nach Bibtex
  • Export nach RIS

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar
Metadaten
Verfasserangaben:Popp, Andreas
URN:urn:nbn:de:bvb:824-opus4-2543
Betreuer:Prof. Dr. Kuhn, Heinrich, Prof. Dr. Küsters, Ulrich
Dokumentart:Dissertation
Sprache der Veröffentlichung:Deutsch
Online-Veröffentlichungsdatum:02.07.2015
Datum der Erstveröffentlichung:02.07.2015
Veröffentlichende Institution:Katholische Universität Eichstätt-Ingolstadt
Titel verleihende Institution:Katholische Universität Eichstätt-Ingolstadt, Wirtschaftswissenschaftliche Fakultät
Datum der Abschlussprüfung:29.04.2015
Datum der Freischaltung:02.07.2015
Freies Schlagwort / Tag:Bestellvorlaufzeit
Advance Demand Information
GND-Schlagwort:Bestandsmanagement; Dynamische Optimierung; Lagerhaltung; Lagerhaltungsmodell; Losgröße; Planung
Seiten:VIII, 90 S. : graph. Darst.
Fakultät/Lehrstuhl:Wirtschaftswissenschaftliche Fakultät / Wirtschaftswissenschaften
DDC-Klassifikation:3 Sozialwissenschaften / 33 Wirtschaft / 330 Wirtschaft
5 Naturwissenschaften und Mathematik / 51 Mathematik / 510 Mathematik
JEL-Klassifikation:C Mathematical and Quantitative Methods / C6 Mathematical Methods and Programming / C61 Optimization Techniques; Programming Models; Dynamic Analysis
M Business Administration and Business Economics; Marketing; Accounting / M1 Business Administration / M11 Production Management
Lizenz (Deutsch):License LogoCreative Commons - Namensnennung-Keine kommerzielle Nutzung-Weitergabe unter gleichen Bedingungen (by-nc-sa)

$Rev$