Sie sind auf Seite 1von 21

Christoph Weber

Lagerhaltungspolitiken unter Berücksichtigung der Kundenwartezeit

Studienarbeit

Dokument Nr. V12935 http://www.grin.com/ ISBN 978-3-638-18714-5 9 783638 187145
Dokument Nr. V12935
http://www.grin.com/
ISBN 978-3-638-18714-5
9
783638
187145

! " #$ " %!&&''' $ "

#$ " %!&&''' $ " ( $ $ % ) * $ $ + ' ,

( $ $ % ) * $ $ + ' ,

- % .

! """# # """# $ %&# """#" %&# ' #

Universität zu Köln Seminar für Allgemeine Betriebswirtschaftslehre und Produktionswirtschaft

Lagerhaltungspolitiken unter Berücksichtigung der Kundenwartezeit

Hauptseminar zur Allgemeinen Betriebswirtschaftslehre WS 2002/2003

angefertigt von:

Christoph Weber

Inhaltsverzeichnis

Seite

Abbildungsverzeichnis

2

Abkürzungsverzeichnis

3

Gliederung

1. Einleitung

5

2. Lagerhaltungspolitiken und Servicegrade

5

3. Lagerhaltung unter Berücksichtigung der Kundenwartezeit

6

3.1. Lagerbestand, Reichweite und Lieferzeit

6

3.2. Bestimmung der Wahrscheinlichkeitsverteilung bei (s,q)-Politik

8

3.3. Bestimmung der Wahrscheinlichkeitsverteilung bei (r,S)-Politik

15

3.4. Die Kundenwartezeit beeinflussende Faktoren

17

4. Zusammenfassung

18

Literaturverzeichnis

19

Abbildungsverzeichnis

Abbildung 1: Zusammenhang zwischen Bestellpunkt, Wiederbeschaffungszeit, Erwartungswert der Fehlmenge und Dauer der Lieferunfähigkeit ………………… 3

Abkürzungsverzeichnis

J

Dauer der Lieferunfähigkeit

N

Reichweite

W

Kundenwartezeit

l

Wiederbeschaffungszeit

w

Anzahl Perioden Kundenwartezeit

A

Nachfrage/Tag (Zufallsvariable)

E{A}

Erwartungswert von A

V{A}

Varianz von A

r

Bestellintervall

s

Bestellpunkt

q

Bestellmenge

S

Bestellniveau

Y t

kumulierte Nachfrage bis Periode t (Zufallsvariable)

1.

Einleitung

In der Lagerhaltungstheorie wie auch in der betrieblichen Praxis werden bei der Planung oftmals nur Fehlmengen-Restriktionen zur Bestimmung des Lieferservices herangezogen. Im Gegensatz dazu ist in der Realität aus Abnehmersicht meist die Länge der Lieferzeit das wichtigste Servicekriterium. In dieser Arbeit wird in Kapitel 2 zunächst kurz auf die Grundlagen von Lagerhaltungspolitiken und die in der Literatur gängigen Servicegrade eingegangen. In Kapitel 3 rückt dann die Lagerhaltung unter Berücksichtigung der Kundenwartezeit in den Mittelpunkt, und es werden Verfahren zur Bestimmung der Wahrscheinlichkeitsverteilungen der Lieferzeit bei (s,q)- und (r,S)-Lagerpolitik bei diskretisierter Zeiteinteilung vorgestellt.

2. Lagerhaltungspolitiken und Servicegrade

Die Höhe der Lagerhaltungskosten hängt von der Wahl der Lagerhaltungspolitik ab. Diese lassen sich durch zwei Eigenschaften charakterisieren: Zeitpunkt der Bestellung und Bestellmenge. Durch Kombinationen der möglichen Ausprägungen (konstant oder variabel) dieser Eigenschaften ergeben sich verschieden Lagerhaltungspolitiken 1 . Bei der (s,q)-Politik werden variabler Bestellzyklus und konstante Bestellmenge verwendet; sinkt der disponible Lagerbestand auf die Höhe des Bestellpunktes s, wird eine Bestellung der Höhe q ausgelöst. Im Gegensatz dazu werden bei (r,S)-Politik konstanter Bestellzyklus und variable Bestellmenge betrachtet; alle r Perioden wird eine Bestellung der Menge ausgelöst, die einer sofortigen Erhöhung des Lagerbestandes auf das Niveau S entspricht. E{Y} bezeichnet nun den Erwartungswert der Nachfrage in der Wiederbeschaffungszeit, d.h. zwischen Auslösung und Eintreffen der Bestellung, wobei die Nachfragemenge Y eine Zufallsvariable ist. Aus Kostengründen ist es nicht sinnvoll, die maximal mögliche Nachfragemenge in der Wiederbeschaffungszeit abzudecken; man will aber in der Praxis zumindest einen gewissen Lager-Servicegrad aufrechterhalten, für den es in der Literatur unterschiedliche Definitionen gibt.

1 siehe hierzu [4]

Der -Servicegrad ist die Wahrscheinlichkeit, dass der zu Beginn der Wiederbeschaffungszeit vorhandene Lagerbestand ausreicht, um die komplette Nachfrage

Y während der Wiederbeschaffungszeit ohne Verzögerung zu decken.

Der -Servicegrad gibt an, wie hoch der Anteil der sofort belieferten Nachfragemenge an

der Gesamtnachfragemenge ist. Der -Servicegrad schließlich ist nun nicht nur, wie die beiden vorher genannten, mengenbezogen, sondern auch zeitbezogen. Er gewichtet die Fehlmengen mit der Länge der Wartezeit, und setzt sie dann in Beziehung zur Gesamtnachfragemenge. 2

In der Praxis wird jedoch meist dem -Servicegrad der Vorzug gegeben.

Die genannten Servicegrade leiten sich alle aus dem Erwartungswert der Fehlmenge ab; einen Abnehmer interessiert jedoch im konkreten Fall nur, ob seine Lieferung ohne Verzögerung ausgeliefert wird, und falls nicht, wie lange er auf sie warten muss. Diese ausschließlich zeitbezogene Aussage kann aber aus den oben genannten mengenbezogenen Servicekriterien nicht abgeleitet werden. Es ist also sinnvoll, den Lieferservice in der für den Abnehmer maßgeblichen Dimension, der Zeit, zu definieren, und somit die Lieferzeit direkt als Servicekriterium zu wählen.

3.

Lagerhaltung unter Berücksichtigung der Kundenwartezeit

3.1.

Lagerbestand, Reichweite und Lieferzeit

Zunächst folgen einige Definitionen und Aussagen, die Grundlage für die späteren Ermittlungen der Wahrscheinlichkeitsverteilungen sind 3 . Die Bezeichnung s steht hierbei jeweils für den Lagerbestand. Die Dauer der Lieferunfähigkeit J(s) gibt eine Zeitspanne (bei uns eine Anzahl von Tagen) an, während der das Lager nicht ausliefern kann. Die Reichweite eines Lagerbestandes, N(s), ist die Anzahl der Tage, deren Nachfragen komplett durch den Lagerbestand s gedeckt werden. Die Kundenwartezeit W(s) ist die Zahl der Tage, die ein Kundenauftrag, der an einem beliebigen Tag eintrifft, warten muss, bevor die Auslieferung erfolgt. Für eine feste Wiederbeschaffungszeit l ergeben sich sofort die folgenden Beziehungen:

(1)

J(s) = max{0, l – N(s)}

2 siehe z.B. [9], [5]

3 nach [8]

(2)

l J(s) W(s) .

Nach (1) kann der Zustand der Lieferunfähigkeit nur dann eintreten, wenn die Reichweite des Lagerbestandes kleiner ist als die Wiederbeschaffungszeit. Aus (2) erkennt man, dass die Dauer der Lieferunfähigkeit nur eine obere Grenze für die Kundenwartezeit ist; genauere Rückschlüsse auf die konkrete Wartezeit eines bestimmten Auftrages können aus ihr nicht gezogen werden. Den Zusammenhang zwischen Bestellpunkt (Lagerbestand), Fehlmengen-Erwartungswert, Länge der Wiederbeschaffungsdauer und der Dauer der Lieferunfähigkeit wird in Abbildung 1 für den kontinuierlichen, linearen Lagerabgang dargestellt. 4

Bestellpunkt

Nachfrage in der Wiederbeschaffungszeit 0 Erwartungswert der Fehlmenge Reichweite Dauer der Lieferunfähigkeit
Nachfrage in der
Wiederbeschaffungszeit
0
Erwartungswert
der Fehlmenge
Reichweite
Dauer der
Lieferunfähigkeit
Wiederbeschaffungszeit

Abbildung 1: Zusammenhang zwischen Bestellpunkt, Wiederbeschaffungszeit, Erwartungswert der Fehlmenge und Dauer der Lieferunfähigkeit

Hieraus folgt unmittelbar die Beziehung

(3)

J(s) = E{Fehlmengen}* l / Nachfrage in l .

In der Praxis jedoch ist die Reichweite bzw. die Dauer der Lieferunfähigkeit eines Lagers eine Zufallsvariable, deren Wahrscheinlichkeitsverteilung durch die stochastischen Nachfragebedingungen determiniert wird. Nun werden noch einige Annahmen getroffen, die für die Bestimmung der Wahrscheinlichkeitsverteilungen der Lieferzeit bei (s,q)- und (r,S)-Politik im Folgenden gelten, soweit nicht anders angegeben:

- Die Zeit ist diskret unterteilt in Perioden fester Länge (Tage).

4 siehe hierzu [6]

 

-

Es wird ein einzelnes, einstufiges Lagerhaltungssystem betrachtet.

-

Die Bestellmenge q bei (s,q)-Politik bzw. das Bestellintervall r bei (r,S)-Politik sind fest von außen vorgegeben.

-

Die Wiederbeschaffungszeit l ist konstant.

-

In jeder Periode treten mehrere Kunden mit stochastischen Nachfragen auf, die zu einer Periodennachfrage zusammengefasst werden.

-

In der Periode, in welcher der Lagerbestand auf Null fällt, wird die Nachfrage unterteilt in sofort auslieferbar und zurückgestellt.

-

Die Bestellmengen sind so groß, dass bei Eintreffen der Bestellung in jedem Fall alle Aufträge mit Wartezeit sofort ausgeliefert werden können.

3.2.

Bestimmung der Wahrscheinlichkeitsverteilung bei (s,q)-Politik

Zunächst wird die Beziehung zwischen Lagerbestand (Bestellpunkt) s und seiner Reichweite N(s) untersucht. Dabei betrachten wir ein Ein-Produkt-Lager mit Wiederbeschaffungszeit von l Zeiteinheiten. Der Bestand s soll die Nachfragemengen im Zeitintervall [0,l] abdecken. Sei nun {R t } (t=1,…,l) die Folge der voneinander unabhängigen und identisch verteilten Periodennachfragen während der Wiederbeschaffungszeit; dann ist die kumulierte Nachfrage vom Beginn des Widerbeschaffungszeitraumes bis zur Periode t gegeben durch die Zufallsvariable Y t :

(4)

Y t =

t

=

1

i

R i , t = 1,2,…,l .

Die Verteilungsfunktion F (t) (y) von Y t ergibt sich aus der t-fachen Faltung der Verteilungsfunktion F R (y) mit sich selbst:

(5)

F Y (t) (y) = F R *(t) (y).

Die Reichweite N(s) des Bestellpunktes s beträgt n Perioden, wenn bis zum Zeitpunkt n die kumulierte Nachfragemenge noch durch s abgedeckt wird, und die kumulierte Nachfragemenge der n+1-ten Periode s aber überschreitet. Es gilt also N(s) = n für Y n s

und Y n+1 > s, und außerdem N(s) n für Y n s, sowie N(s) = 0 für Y l > s. Für die Wahrscheinlichkeit, dass die kumulierte Nachfragemenge bis zur Periode n kleiner gleich s ist, folgt mit (5)

(6)

P{N(s) n} = P{Y n s} = F Y (n) (s).

Die Wahrscheinlichkeitsverteilung für die Reichweite N(s) ergibt sich somit wie folgt:

(7)

P{N(s) = 0} = P{Y l > s} = 1 – P{Y l s}, und

(8)

P{N(s) = n} = P{N(s) n} – P{N(s) n+1} = P{Y n s} – P{Y n+1 s}.

Mit (6) erhält man

(9)

P{N(s) = n} = F Y (n) (s) – F Y (n+1) (s),

n=1,2,….

Aus der nun bekannten Wahrscheinlichkeitsverteilung der Reichweite kann man jetzt über die Beziehung (1) die Verteilung der Lieferunfähigkeitsdauer J(s) ableiten 5 :

(10)

P{J(s) = 0 | L = l} = P{N(s) l | L = l},

(11)

P{J(s) = j | L = l} = P{N(s) = l-j | L = 1},

j = 1,…,l.

Die Berechnung der Verteilung der Reichweite wird hier für die normalverteilte Periodennachfrage erläutert 6 .

Sei F N (·) die normalverteilte, kumulierte Nachfrage-Verteilung mit Mittelwert µ R und Varianz R 2 . Mit Hilfe von (7) erhalten wir (12) P{N(s) = 0} = 1 – F N (s), und aus (9) folgt

(13) P{N(s) = n} = F N (n) (s) – F N (n+1) (s),

n=1,2,…

Die (n)-fache Faltung einer normalverteilten Zufallsvariable (mit Mittelwert µ und Varianz

²) mit sich selbst ist wieder normalverteilt (mit Mittelwert nµ und Varianz n ²); wir definieren

(14)

z 0 = (s - µ R ) / R ,

(15)

z 1 = (s - nµ R ) / ( R

n )

n )

und

(16)

z 2 = (s – (n+1)µ R ) / ( R

n + 1),

n +1),

dann lautet die Verteilung der Reichweite des Lagerbestandes bei Normalverteilung der Periodennachfrage

(17)

P{N(s) = 0} = 1 – F 01 (z 0 ),

(18)

P(N(s) = n} = F 01 (z 1 ) – F 01 (z 2 ) ,

n=1,2,….,

wobei F 01 die Verteilungsfunktion der Standardnormalverteilung ist. Für einen konkreten Abnehmer nun ist die Verteilung der Reichweite bzw. die Dauer der Lieferunfähigkeit eines Lagers weniger von Interesse; ihn interessiert die Wahrscheinlichkeit, mit der ein Auftrag von ihm an das Lager nach einer bestimmten Zeit ausgeliefert wird. Es wird nun also die die Verteilung der Lieferzeit eines Auftrages betrachtet, für die die eben ermittelte Verteilung der Dauer der Lieferunfähigkeit des Lagers eine obere Grenze darstellt.

5 Vgl. [1]

6 für weitere Verteilungstypen siehe [6], [8]

Vorraussetzung für die Entstehung von Lieferzeit eines Auftrages ist, dass die Reichweite N(s) des Lagerbestandes kleiner ist als die Wiederbeschaffungszeit l. Sei die Reichweite N(s) = n mit n < l, dann werden in den Perioden von n+1 bis l eintreffende Aufträge erst nach w = l-n bis 1 Perioden ausgeliefert. Betrachten wir nun der Praxis entsprechend die

Nachfrage pro Tag als Zufallsvariable A, die aus mehreren unabhängigen Kundennachfragen besteht. Dann ist E{A} der Erwartungswert der Kundennachfragen pro Tag und V{A} seine Varianz. Der Erwartungswert der Anzahl an Bestellungen H{W 1 =w | s, L = l}, die am ersten Tag der Lieferunfähigkeit des Lagers eintreffen, und eine Wartezeit von W 1 (s) = w haben, ist nun gegeben durch

(19)

H(W 1 = w | s, L = l) = E{A} P{N(s) l-w | L = l},

w=1,2,…,l.

Die Aufträge, die vor Lieferunfähigkeit des Lagers eintreffen, werden unverzüglich ausgeliefert, und ihr Erwartungswert ist gegeben durch

(20)

l 1

H(W 1 = 0 | s, L = l) = E{A}[ lP{N(s) l | L = l}+

n = 1

nP{N(s) = n } ].

In den letzten beiden Formeln 7 ist noch nicht berücksichtigt, dass der Tag, an dem der Lagerbestand auf Null fällt, zweigeteilt werden kann in noch ausführbare und nicht mehr ausführbare Bestellungen. Seien nun A 0 die Anzahl der Kundennachfragen an diesem Tage, die noch ausgeliefert werden können, und A 1 die Anzahl der Kundennachfragen, die an diesem Tag aufgrund der Lieferunfähigkeit des Lagers nicht mehr ausgeliefert werden können. Ist nun die Bestellmenge groß im Vergleich zu einer einzelnen Kundennachfrage, so kann man unter Zuhilfenahme der Erneuerungstheorie 8 A 0 und A 1 als Wahrscheinlichkeitsverteilungen mit folgenden Erwartungswerten charakterisieren:

(21) E{A 0 } = (E{A}² + V{A}) / (2E{A}) und (22) E{A 1 } = (E{A}² + V{A}) / (2E{A}). Nun können wir die Kundennachfragen des betrachteten Tages aufteilen in E{A 0 } als sofort ausgeliefert Aufträge und E{A 1 } als Aufträge, die auf die Auslieferung warten müssen. Hieraus und mit (19) erhält man (23) H(W 1 = w | s, L = l) = E{A}P{N(s) l-w-1 | L = l} + E{A 1 }P{N(s) = l-w}, w=1,2,…,l-1, und

(24) H(W 1 = w | s, L = l) = E{A 1 }P{N(s) = 0},

w=l.

Dabei werden auf der rechten Seite von (23) nun die Nachfragen der Tage, an denen komplette Lieferunfähigkeit herrscht, mit der nicht erfüllbaren Nachfrage des Tages, an

7 vgl. [8]

8 siehe [2] und [3]

dem der Lagerbestand Null erreicht, addiert. Ausdruck (24) enthält die erwartete Anzahl an Kundennachfragen zu Beginn der Wiederbeschaffungszeit, wenn die Reichweite des Lagers Null ist. Die erwartete Anzahl der direkt ausgelieferten Kundennachfragen schließlich folgt aus (20) mit der Addition des Erwartungswertes der Anzahl Kundennachfragen, die am besagten Tag noch ausgeliefert werden können, auf der rechten Seite der Gleichung:

(25)

l 1

H(W 1 = 0 | s, L = l) = E{A}[ lP{N(s) l | L = l}+

n = 1

nP{N(s) = n } ]

+ E{A 0 }P{N(s) l -1}. Nun können die Aussagen (23)-(25) überführt werden in die bedingte Wahrscheinlichkeitsverteilung der Kundenwartezeit W 1 bezüglich der Kundennachfragen, die während einer Wiederbeschaffungszeit der Länge l eintreffen:

(26)

l

P{W 1 (s) = w | L = l} = H{W 1 = w | s, L = l} /

w=0,1,…l.

t

=

0

H(W 1 = t | s, L = l),

Bisher wurde die Kundenwartezeit bei Bestellungen innerhalb der Wiederbeschaffungszeit l betrachtet. Bei (s,q)-Politik ist die erwartete Länge eines Wiederbeschaffungszyklus E{P} = q / E{R}, wobei q die vorgegebene Bestellmenge und E{R} die erwartete Nachfrage pro Tag bezeichnet, in der Regel nicht identisch mit der Wiederbeschaffungszeit. Sei nun die Wiederbeschaffungszeit ein Teil des Wiederbeschaffungszyklus, dann ist die bedingte Wahrscheinlichkeit, dass eine zufällig ausgewählte Kundenbestellung innerhalb der Wiederbeschaffungszeit l eintrifft, gegeben durch

(27) P{Bestellung in l} = l / E{P} = lE{R} / q. Innerhalb der restlichen Zeit des Wiederbeschaffungszyklus (1 – lE{R} / q) ist die Kundenwartezeit immer gleich null, weil dort per definitionem der Lagerbestand immer alle Nachfragen bedienen kann. Damit können wir nun die Wahrscheinlichkeitsverteilung einer Kundenwartezeit W(s) erhalten, deren Bestellung zu einem beliebigen Zeitpunkt getätigt wurde. Für gegebenes l erhalten wir durch Multiplikation von (26) und (27) und anschließender Addition des Terms (1 – lE{R} / q) bei W(s) = 0

und

(28)

(29)

P{W(s) = 0 | L = l} = P{W 1 (s) = 0 | L = l} lE{R} / q

+ (1 – lE{R} / q)

P{W(s) = w | L = l} = P{W 1 (s) = w | L = l} lE{R} / q,

w=1,2,…,l.

Nehmen wir nun die Wiederbeschaffungszeit l nun nicht mehr als Konstante, sondern als Zufallsvariable, so erhalten wir schließlich

(30) P{W(s) = 0} =

und

(31) P{W(s) = w} =

l

l max

=

min

l

l

max

l

=

l min

[ P{W 1 (s) = 0 | L = l} lE{R}/ q + 1 – lE{R} / q ] P{L=l}

[ P{W 1 (s) = w | L = l} lE{R} / q ] P{L=l}, w=1,2,…,l max .

Die bisherigen Ausführungen unterlagen der Vorraussetzung, dass mindestens eine Wiederbeschaffung offen ist. Ist nun ein Wiederbeschaffungszyklus kleiner als die Wiederbeschaffungszeit l, so wird diese Vorraussetzung verletzt. Es tauchen dabei zwei konkrete Probleme auf: was passiert, falls der tatsächlich vorhandene Lagerbestand zu Beginn der Wiederbeschaffungszeit kleiner ist als der Bestellpunkt s, und was passiert, wenn die Wiederbeschaffungszeit größer ist als der Wiederbeschaffungszyklus, also E{L} > E{P}, z.B. wenn mehrere Wiederbeschaffungs-Bestellungen gleichzeitig ausstehen 9 . Sind bereits mehrere Bestellungen offen bevor eine neue Bestellung zu einem Zeitpunkt t aufgegeben wird, dann werden diese Bestellungen bei konstanter Lieferzeit l vor der gerade betrachteten (die zum Zeitpunkt t+l eintrifft) das Lager erreichen. Dann wird in diesem Fall nicht der physische Lagerbestand, sondern der disponible Lagerbestand s (physischer Bestand + Bestellungen – Kundennachfragen) die Nachfragen in der Wiederbeschaffungszeit der letzten Bestellung (also im Zeitraum [t, t+l]) befriedigen. Nun kann das Problem auftauchen, dass dadurch zu Beginn dieser Wiederbeschaffungszeit Nachfragen nicht wie bisher angenommen bedient werden können. Allerdings ist die Wahrscheinlichkeit, dass die ausstehenden Bestellungen sehr früh innerhalb der betrachteten Wiederbeschaffungszeit auftauchen, in der Praxis meist sehr hoch; deswegen kann dieses Problem vernachlässigt werden. Was passiert nun genau, wenn mehrere Wiederbeschaffungs-Bestellungen gleichzeitig ausstehen. In diesem Falle kann man l / E{P} nicht länger als Wahrscheinlichkeit betrachten, da es Werte größer als eins annehmen kann. Dieser Quotient ist dann die durchschnittliche Anzahl an Wiederbeschaffungsvorgängen in einem durchschnittlichen Wiederbeschaffungszyklus. Steht also mehr als eine Bestellung aus, überschneiden sich die Wiederbeschaffungszeiten.

9 vgl. [8]

Ist nun l E{P}, so stellt der Quotient l / E{P} eine Verkleinerung der Risikoanfälligkeit, innerhalb eines durchschnittlichen Wiederbeschaffungszyklus auf einen Lagerbestand von

Null zu kommen, dar. Entsprechend vergrößert der Quotient die Risikoanfälligkeit, falls l größer ist als E{P}. Im letztgenannten Fall ist der Quotient größer als eins und ändert somit die Wahrscheinlichkeitsverteilung P{W(s)} so, dass die Wahrscheinlichkeit, dass keine Wartezeit auftritt, verkleinert wird, und diese Verkleinerung über den Rest der Verteilung aufgeteilt wird. Trotz der unterschiedlichen Interpretation von l / E{P} halten die Aussagen (28) und (29) also. Trotzdem muss sicher sein, dass (28) immer größer als Null ist, also dass P{W(s) = 0 | L = l} 0 immer gilt. Das wird der Fall sein, solange der Bestellpunkt so gewählt wird, dass

(32)

P{W 1 (s) = 0 | L = l} 1 – 1 / [ lE{R} / q ].

Diese Bedingung stellt also eine untere Schranke für den Bestellpunkt s dar, eine Funktion der erwarteten Länge des Wiederbeschaffungszyklus und der Wiederbeschaffungszeit. In den Aussagen (30) und (31) haben wir vorausgesetzt, dass die erwartete Fehlmenge im Vergleich zum Bestellpunkt klein ist. Diese Annahme stellt ebenfalls eine untere Schranke für den Bestellpunkt dar, die in der Regel höher liegt als die oben angesprochene. In der Praxis wird der Bestellpunkt immer so gesetzt werden, dass beide Schranken nur leicht verletzt werden. Die bisherige Wahrscheinlichkeitsverteilung wurde unter der Vorraussetzung hergeleitet, dass eine Wiederbeschaffung der Größe q genau an dem Zeitpunkt erfolgt, an dem der Lagerbestand exakt den Bestellpunkt s erreicht hat, und somit der komplette Bestand s während der Wiederbeschaffungszeit zur Befriedigung der Nachfrage zur Verfügung steht. In der Praxis wird diese Vorraussetzung jedoch (unabhängig von der Lagerüberwachungspolitik) meist verletzt aufgrund der Tatsache, dass Nachfragen der Kunden größer als eine Einheit sind. Oft wird also eine Bestellung erst ausgelöst, wenn der Lagerbestand unter s gefallen ist. Die Wahrscheinlichkeitsverteilung dieser Differenz U aus Bestellpunkt und tatsächlichem Lagerbestand ist 10

(33)

P{U u} = 1 – (1 / µ R )

oo

u

[ 1 – F R (r) ] dr,

wobei F R (r) die Verteilungsfunktion der Periodennachfrage R mit Mittelwert µ R und Varianz R ² bezeichnet. Der Erwartungswert von U beträgt

(34)

E{U} = ( µ R ² + R ² ) / ( 2µ R ),

und seine Varianz

10 siehe [2], [3]

(35)

V{U} = µ 3 / 3µ R + ( R ² / 2 ) [ 1 – R ² / (2µ R ²) ] + µ R ² / 12,

wobei µ 3 das dritte Zentralmoment der Verteilung der Periodennachfrage ist:

(36) µ 3 = E{(R - µ)³}. Zur Einhaltung der geforderten Lieferzeit-Restriktionen bei normalverteilter Periodennachfrage kann folgendermaßen vorgegangen werden. Zuerst wird der Zählprozess um eine Periode nach hinten verschoben, d.h. die Periode, in der der Lagerbestand den Bestellpunkt unterschreitet, wird als erste Periode der Wiederbeschaffungszeit betrachtet. Damit wird die Differenz U als Nachfragemenge der

ersten Periode interpretiert. Gehen wir nun vereinfachend davon aus, dass U normalverteilt sei; dann ersetzen wir die Aussagen (14) – (16) folgendermaßen:

(37)

z 0 = ( s - µ U ) / U ,

 

(38)

z 1 = [ s – (n-1)µ R - µ U ] /

f
f

mit f = (n-1) R ² + U ² , und

(39)

z 2 = [

s – nµ R - µ U ] /

g
g

mit g = n R ² + U ² .

Diese Approximationen der Verteilung zeigten in der Literatur 11 eine sehr hohe Übereinstimmung mit den Ergebnissen aus der Praxis. Aufgrund der Wahrscheinlichkeitsverteilungen für die Kundenwartezeit kann man die Bestimmung des optimalen Bestellpunktes unter Berücksichtigung des Erwartungswertes

der Lieferzeit als Servicekriterium vornehmen. Die Kundenwartezeit ist eine konvexe Funktion des Bestellpunktes; für Angabe der maximalen Kundenwartezeit soll der kleinstmögliche Bestellpunkt s gefunden werden, der diese Restriktion nicht verletzt. Sei mit w * das gewünschte Servicelevel der Kundenwartezeit, dann lässt sich die Servicegrad- Restriktion wie folgt formulieren:

(40)

Min [ s | E{W(s)} w * ].

Alternativ zu dieser Formulierung kommt es in der Praxis vor, dass eine obere Grenze für die Kundenwartezeit vorgegeben wird, die mit einer gewissen Wahrscheinlichkeit eingehalten werden soll. Sei w max die angegebene obere Grenze für die Kundenwartezeit, und p min der gewünschte Prozentsatz an Lieferungen, die unter dieser Grenze liegen sollen, so lässt sich die Restriktion folgendermaßen darstellen:

(41)

Min [ s | P{ W(s) w max } p min ].

Auf Methoden zur expliziten Lösung der angegebenen Minimierungsprobleme soll hier nicht weiter eingegangen werden. 12

11 vgl. [6], [7]

12 siehe hierzu z.B. [6], [8]

3.3. Bestimmung der Wahrscheinlichkeitsverteilung bei (r,S)-Politik

Wir betrachten nun Lagerhaltung bei (r,S)-Politik; während im vorhergehenden Abschnitt der Risikozeitraum gleich der Widerbeschaffungszeit l war, ist er nun Wiederbeschaffungszeit plus Bestellintervall r. Unter den oben angenommenen Vorraussetzungen ist also die Dauer der Lieferunfähigkeit des Lagers maximal r + l Perioden. Die Dauer der Lieferunfähigkeit nimmt ihren größten Wert an, wenn der Lagerbestand direkt nach Aufgabe einer Bestellung Null erreicht; dann wäre die Reichweite des Bestandes S Null Perioden und die Dauer der Lieferunfähigkeit r + l Perioden. Die Reichweite von S ist genau n Perioden, wenn die Nachfragen der n Perioden kleiner oder

gleich S sind, und die Nachfragen von n + 1 Perioden größer als S sind. Seien nun D die Nachfrage einer Periode, und Y n die Summe der ersten n Periodennachfragen, so erhalten wir wie im letzten Abschnitt die Wahrscheinlichkeitsverteilung der Reichweite N mit

(42)

P{N = 0} = P{D > S} = 1 – P{D S}

und

(43)

P{N = n} = P{Y n S} - P{Y n+1 S},

n=1,2,….

Diese Aussagen gelten auch für den Fall r < l, also bei sich überschneidenden Wiederbeschaffungsbestellungen. Auch hier interessiert uns nun die Wahrscheinlichkeitsverteilung der Kundenwartezeit W, welche von Verteilung der Periodennachfragen und Länge des Risikozeitraumes abhängt, und aus der Wahrscheinlichkeitsverteilung der Dauer der Lieferunfähigkeit des Lagers erhalten werden kann. Nehmen wir nun an, dass l r gilt und S groß genug ist, am nach Eintreffen der Lieferung alle ausstehenden Kundenaufträge zu befriedigen. In diesem Falle ist die maximale Dauer der Lieferunfähigkeit gleich r im Zeitintervall l +1 bis l + r. Eine Kundenwartezeit entsteht nun wenn die Reichweite des Bestellniveaus S kleiner ist als der Risikozeitraum r + l. Sei die Reichweite n mit l n l + r, dann wird in allen Perioden t bis n jeder Auftrag sofort ausgeliefert, und die Nachfragen in den Perioden ab n + 1 müssen warten. Auch hier teilen wir die Periode n + 1, in welcher der Lagerbestand auf Null fällt, wieder in 2 Teile auf; ein Teil, dessen Aufträge noch direkt ausgeliefert werden können (w = 0), und ein Teil, dessen Aufträge w = l + r – n Perioden warten müssen.

Nun erhalten wir für die Anzahl der direkt lieferbaren Aufträge 13

(44)

H(W = 0) = r P{N r + l} +

r

+

l

+ 1

n

=

l

+ 1

(n – l) P{N = n} + P{N r + l – 1}.

Dabei bezeichnet der erste Summand die erwartete Anzahl an Aufträgen, die nicht warten müssen wenn der Bestand gar nicht auf Null fällt; der zweite Summand steht für die Bestellungen, die sofort ausgeliefert werden können bevor der Bestand auf Null fällt; und der letzte Summand schließlich drückt die Anzahl der Aufträge, die in der Periode, in der der Bestand auf Null fällt, noch direkt ausgeliefert werden können, aus. Der Ereartungswert von Aufträgen mit Wartezeit ist

(45)

H(W = w) = P{N r + l – w – 1} + P{N = r + l – w},

w=1,2,…,r-l.

Hierbei bezeichnet der erste Summand den Erwartungswert der Aufträge, die nach der Periode, in welcher der Bestand auf Null fällt, eintreffen; der zweite Summand ist die

erwartete Anzahl an Aufträgen, die an dem Tag, an welchem der Bestand auf Null fällt, nicht mehr ausgeliefert werden können. Der Auftrag, der in Periode l + 1 eintrifft und teilweise warten muss, ist (46) H(W = r) = P{N = l}. Die Wahrscheinlichkeitsverteilung der Wartezeit ist dann gegeben durch

r

(47) P{W = w} = H(W = w) /

t

=

0

H(W = t)

w=0,1,…,r.

Trifft die oben getroffene Annahme, dass P{N < l} gilt, zu, so sind die angegebenen Aussagen exakt. Ist dem aber nicht so, und die Varianz der Periodennachfragen ist groß und S ist relativ klein, dann besteht die Möglichkeit, dass der Bestand bereits während der Wiederbeschaffungszeit auf Null gesunken ist. Dann muss man auch die die Aufträge aus dem Zeitintervall 1 bis l – 1 betrachten, deren Wartezeiten dann bis zu r + l Perioden betragen können, wenn die Reichweite von S kleiner als l ist. Wir benutzen dann folgende Approximation:

(48)

(49)

(50)

H(W = 0) = r P{N r + l} +

r

+

l

+ 1

n

=

l

+ 1

(n – l) P{N = n} + P{N r + l – 1}

l 1

+

n = 1

n P{N = n},

H(W = w) = P{N r + l – w – 1} + P{N = r + l – w}, H{W = r + l} = P{N = 0},

w=1,2,…,r+l-1,

13 vgl. [9]

wobei der letzte Summand in (48) für die Aufträge steht, die im Falle einer Reichweite zwischen 1 und l direkt ausgeliefert werden. Die Ergebnisse einer Simulation der Approximation in [2] zeigen, dass sie sehr präzise ist, solange S groß genug ist die maximale Wartezeit nicht länger als r + l werden zu lassen. Obwohl die Wartezeiten unter der Vorraussetzung l l entwickelt wurden, zeigen die Ergebnisse der Simulation, dass die Aussagen ebenfalls für Situationen mit l > r gelten, solange der Koeffizient der Varianz der Periodennachfragen nicht größer als 0.3 ist.

3.4. Die Kundenwartezeit beeinflussende Faktoren

In vielen Situationen ist der Kunde daran interessiert, wie lange er im Falle der Lieferunfähigkeit des Lagers des Lieferanten auf die Auslieferung seines Auftrages warten muss. Dabei können mehrere Faktoren die Wahrscheinlichkeitsverteilung der Wartezeit beeinflussen. In einem stochastischen Lagerhaltungssystem ist der Sicherheitsbestand der Schutz gegen Unsicherheit währen eines Risikozeitraumes. Der Risikozeitraum ist abhängig von der gewählten Lagerhaltungspolitik; für eine (s,q)-Politik ist er gleich der Wiederbeschaffungszeit l, für eine (r,S)-Politik gleich der Wiederbeschaffungszeit addiert mit dem Bestellintervall r. Je größer der Risikozeitraum ist, desto größer ist auch die Varianz der Wahrscheinlichkeitsverteilung der Kundenwartezeit. Außerdem hat auch noch die Periodennachfrage Einfluss auf die Kundenwartezeit; beide Faktoren werden durch die in Abschnitt 2 vorgestellten Servicegrade nicht dargestellt, obwohl ihre Ausprägungen ein für den Kunden wichtiges Entscheidungskriterium bei der Lieferantenwahl darstellen können. Generell kann man sagen, dass der Lieferant mit dem längeren Risikozeitraum und der größeren Varianz der Periodennachfrage die schlechtere Verteilung der Kundenwartezeit hat. Kennt der Kunde diese Verteilungen bei seinen Lieferanten, so wird er bei gleichen Ausprägungen aller anderen Kriterien den Lieferanten mit der kleinsten Varianz der Wahrscheinlichkeitsverteilung wählen 14 .

14 vgl. [9]

4.

Zusammenfassung

In der vorliegenden Arbeit wurde der Zusammenhang zwischen den Entscheidungsvariablen einer Lagerhaltungspolitik und den daraus resultierenden Wahrscheinlichkeitsverteilungen den Kundennachfragen für (s,q)- und (r,S)- Lagerhaltungspolitiken betrachtet. Es wurde auf die in Praxis und Literatur gängigen Servicegrade eingegangen, sowie Probleme dieser Servicegrade in Bezug auf Relevanz für den Kunden aufgezeigt. Mit Hilfe der in den anschließenden Kapiteln erzielten Ergebnisse ist es nun möglich, in der Lagerhaltungsplanung von diesen in der Praxis gängigen Servicekriterien über den Erwartungswert der Fehlmenge Abstand zu nehmen, und anstatt dessen direkt die für den Kunden interessante Dimension, nämlich die Länge der Wartezeit, als Servicekriterium formulieren zu können. Aus Lieferantensicht bietet sich dadurch die Möglichkeit bei Ausrichtung seiner Lagerhaltungspolitik am Servicekriterium Lieferzeit dieses Leistungselement gezielt als Argument bei seinen Kunden einzubringen, und dadurch Wettbewerbsvorteile gegenüber Konkurrenten zu erlangen. Außerdem bietet sich dem Lieferanten die Möglichkeit, die Wahrscheinlichkeitsverteilung der Kundenwartezeit gezielt zu beeinflussen, um so externen Vorgaben zu genügen und dadurch einen Vorteil zu erlangen. Die in den vorhergehenden Kapiteln erarbeiteten Ergebnisse können außerdem als Entscheidungshilfe bei der Auswahl einer Lagerhaltungspolitik dienen. Im Vergleich zwischen (r,S)- und (s,q)-Politik ist bei vorrangiger Gewichtung der Kundenwartezeit gegenüber anderen Aspekten der (s,q)-Politik der Vorzug zu geben, da sie aufgrund des kleineren Risikozeitraums eine Wahrscheinlichkeitsverteilung mit kleinerer Varianz als die der (r,S)-Politik hat. Es wurden Verfahren zur Bestimmung der Wahrscheinlichkeitsverteilungen der Kundenwartezeiten bei (s,q)- bzw. (r,S)-Politik bei diskretisierter Zeiteinteilung vorgestellt. Die dabei entwickelten Modelle erzielen für normalverteilte Nachfragen und andere Nachfrageverteilungen (Gamma 15 , Poisson 16 ) in der Literatur eine sehr hohe Übereinstimmung mit Simulationen, die auf empirisch beobachteten Verteilungen von Kundennachfragen pro Tag beruhen.

15 vgl. [8]

16 vgl. [8], [10]

Literaturverzeichnis

[1] Akinniy, F.A., und E.A.Silver, „Inventory control using a service constraint on the expected duration of stockouts“; AIIE Transactions 13 (1981) 343-348.

[2]

[3] Gnedenko, B.V., Belyayev, Y.K. und A.D. Solovyev, Mathematical Methods of Reliability Theory, Academic Press, New York, 1969.

[4]

[5] Schneider, H., „Effect of service-levels on order-points or order-levels in inventory nodels“, Internationl Journal of Production Research 19 (1981) 615-631. [6] Tempelmeier, H., „Lieferzeit anstatt Fehlmenge als Marketing-orientiertes Service-Kriterium in der Lagerhaltungsplanung“, Zeitschrift für betriebswirtschaftliche Forschung 34 (1982) 335-350. [7] Tempelmeier, H., Lieferzeit-orientierteLagerungs- und Auslieferungsplanung, Physica-Verlag, Wuerzburg-Wien, 1983. [8] Tempelmeier, H., „Inventory control using a service constraint on the expected customer waiting time“, European Journal of Operational Research 19 (1985) 313-323. [9] Tempelmeier, H., „Inventory service-levels in the customer supply chain“, OR Spektrum 22 (2000) 361-

Cox, D.R., und H.D. Miller, The Theory of Stochastic Processes; Chapman and Hall, London, 1965.

Günther, H.O. und H. Templemeier, Produktion und Logistik, 4. Aufl., Springer, Berlin, 2000.

380.

[10]van der Heyden M.C., und A.G. de Kok, „Customer Waiting Times in an (R,S) Inventory System with Compound Poisson Demand“, Zeitschrift für Operations Research 36 (1992) 315-332.