ZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO
Transkrypt
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO NR 394 PRACE KATEDRY EKONOMETRII I STATYSTYKI NR 15 2004 KRZYSZTOF DMYTRÓW Uniwersytet Szczeci ski PORÓWNANIE DECYZYJNEGO MODELOWANIA ZAPASÓW PRZY ZAŁO ENIU PEŁNEJ I NIEPEŁNEJ INFORMACJI O ZAPOTRZEBOWANIU WPROWADZENIE W wi kszo ci prac po wi conych teorii zapasów przy wyznaczaniu optymalnych wielko ci zmiennych decyzyjnych w klasycznym modelu Q, r zakładano znajomo rozkładu zapotrzebowania w okresie realizacji dostaw. Na ogół wyst puj nast puj ce strategie aproksymacji tego rozkładu1: − strategia stosowania tego samego typu rozkładu (z ang. stick-to-one strategy), − strategia najlepszego dopasowania do danych empirycznych (z ang. best-fit strategy), − strategia empiryczna stosowana przy zało eniu, e dost pna jest wystarczaj ca liczba obserwacji (z ang. empirical strategy), − strategia nieparametryczna z u yciem j drowego estymatora g sto ci (z ang. kernel strategy). Mo liwa jest jednak taka sytuacja, w której nie ma wystarczaj cej liczby obserwacji, aby zastosowa któr z powy szych metod. Ciekaw propozycj przedstawił G. Gallego. Wykorzystał podej cie minmax w przypadku, gdy zna1 Por. [4], s. 88. 44 Krzysztof Dmytrów na jest jedynie warto rednia i wariancja zapotrzebowania w okresie realizacji dostaw. Podej cie to zakłada minimalizowanie ł cznych kosztów gospodarki materiałowej, zakładaj c najbardziej niekorzystny rozkład zapotrzebowania w okresie realizacji dostaw. W artykule porównano wyniki wygenerowane przez model Q, r w przypadku zaległych zamówie (z ang. backorders case) przy zało eniu niepełnej informacji o zapotrzebowaniu (podej cie minmax) z wynikami wygenerowanymi przy zało eniu znajomo ci rozkładu zapotrzebowania w okresie realizacji dostaw. Przyj to rozkład gamma jako bardzo cz sto wyst puj cy w praktyce gospodarowania zapasami2. 1. MODEL Przyj to nast puj ce oznaczenia: λ – rednia stopa zapotrzebowania na produkt w ci gu jednostkowego okresu, Q – optymalna wielko zamówienia, r – poziom zamawiania, A – koszt zło enia zamówienia, IC – jednostkowy koszt magazynowania, π – jednostkowy koszt niedoboru, τ – okres realizacji dostaw, µ – warto rednia zapotrzebowania w okresie realizacji dostaw, σ2 – wariancja rozkładu zapotrzebowania w okresie realizacji dostaw, η (r ) – oczekiwana liczba niedoborów w ci gu jednego okresu odnowienia zapasów. Oczekiwana warto K(Q, r) jest równa3: przeci tnego rocznego kosztu kontroli zapasów λ πλ Q K (Q , r ) = A + IC + r − λτ + η (r ) , Q 2 Q gdzie: 2 3 Por. [5], s. 3; [1], s. 229. Por. [3], s. 166. (1) Porównanie decyzyjnego modelowania zapasów... η (r ) = ∫ ( x − r ) f (x )dx , 45 ∞ (2) r f(x) – funkcja g sto ci prawdopodobie stwa rozkładu zapotrzebowania w okresie realizacji dostaw. Aby wyznaczy optymalne wielko ci zmiennych decyzyjnych Q* oraz r*, trzeba wyznaczy pierwsze pochodne równania (1): ∂K (Q, r ) ∂K (Q, r ) = =0. ∂Q ∂r Po wykonaniu wszystkich oblicze otrzymamy: Q= 2λ [ A + πη (r )] , IC (3) oraz ∫ F (r ) = 1 − QIC πλ , (4) r gdzie F (r ) = f (x )dx . 0 Zakładaj c niepełn informacj o zapotrzebowaniu, wzór (2) ma posta 4: η (r ) = gdzie ∆ = r – µ. Wstawiaj c (5) do (1), uzyskamy: 4 Por. [2], s. 56. σ 2 + ∆2 − ∆ 2 , (5) 46 Krzysztof Dmytrów λ πλ σ 2 + ∆2 − ∆ Q K (Q, ∆ ) = A + IC . + ∆ + Q 2 2 Q (6) Znalezienie optymalnych wielko ci Q* oraz ∆* polega na obliczeniu pierwszych pochodnych (6) wzgl dem Q i ∆. Odpowiednie warunki s nast puj ce5: ∂K (Q, ∆ ) =0, ∂Q ∂K (Q, ∆ ) ≥ 0 c.s. ∆ ≥ 0 , ∂∆ gdzie c.s. – luz dopełniaj cy (z ang. complementary slackness). ∂K (Q, ∆ ) ∂K (Q, ∆ ) Oznacza to, e ∆ = 0 dla ∆ ≥ 0 i ≥ 0 . W zwi zku ∂∆ ∂∆ z tym, optymalna wielko Q jest dana wzorem: λ #$% 2 A + π Q= )*+ σ 2 + ∆2 − ∆ '( IC & !" . (7) Drugi warunek jest równowa ny z: ∆ ∆ +σ 2 2 ≥ 1− 2 ICQ πλ c.s. ∆ ≥ 0 . Id c dalej, mo na warunek ten przekształci w celu otrzymania wielko ci ∆ ≥ 0. Wówczas uzyskamy: ∆= σ (πλ − 2 ICQ ) . 2 ICQ (πλ − ICQ ) (8) Nale y jednak e pami ta , e warunek, z którego został wyznaczony wzór (8), jest nierówno ci , dlatego otrzymane wielko ci ∆ trzeba traktowa jako doln granic , minimalizuj c ł czne koszty. Wyznaczone za pomoc wzorów (7) 5 Por. ibidem. Porównanie decyzyjnego modelowania zapasów... 47 i (8) optymalne wielko ci Q* oraz r* mo na nast pnie porówna z warto ciami wyznaczonymi dla rozkładu gamma przy danych poziomach µ oraz σ. Poniewa podej cie to zakłada najgorsz z mo liwych sytuacji, dlatego da wy sz warto ł cznych kosztów ni podej cie zakładaj ce przyj cie rozkładu gamma. Ró nica mi dzy warto ciami kosztów wyznaczonymi za pomoc obu podej jest nazywana warto ci informacji o rozkładzie VDI (z ang. value of the distributional information). Jej wzgl dna wielko , dana jest wzorem: / K (Q , ∆ ) VDI = − 1. ⋅ 100% . K (Q, r ) 012 0 (9) Mówi ona, o ile procent warto 34 oczekiwanych ł5 cznych rocznych kosztów gospodarki zapasami dla niepełnej znajomo 3 ci rozkładu zapotrzebowania jest wy6 sza ni6 w przypadku pełnej informacji o tym rozkładzie. 2. PRZYKŁAD NUMERYCZNY Przyj 7 to nast 7 puj 5 ce wielko 3 ci parametrów: λ = 2650, A = 100 zł, IC = 10 zł, τ = 1 tydzie8 , µ = 50, trzy warianty jednostkowych kosztów niedoboru π: 10, 20 i 30 zł aby wyznaczy4 trzy warianty stosunku πA : 0,1; 0,2 i 0,3, oraz pi 794 wariantów wariancji zapotrzebowania w okresie realizacji dostaw σ2: 156,25, 625,00, 2500,00, 3906,25 i 5625,00 (odpowiednio odchylenia standardowe: 12,50, 25,0, 50,0, 62,5 i 75,0, czyli współczynniki zmienno 3 ci VS były równe 0,25, 0,50, 1,00, 1,25 oraz 1,50). Przyj 7 te warianty wielko 3 ci i współczynnika zmienno 3 ci zapotrzebowania w okresie realizacji dostaw VS maj 5 na celu sprawdzenie, jaka jest warto 34 informacji o rozkładzie dla ró6 nych wielko 3 ci tych parametrów6. Wyniki oblicze8 przedstawiono w tabeli 1, a warto 3 ci informacji o rozkładzie na rysunku 1. 6 Por. [2], s. 57. 48 Krzysztof Dmytrów Tabela 1 Wyniki oblicze: dla rozkładu gamma i podej ; cia minmax < π = 0,1 Wyszczegól A nienie gamma minmax Q 237,837 248,912 r 67,461 71,424 0,25 K(Q, r) lub 2 552,98 2 703,36 K(Q, ∆) (zł) VDI (%) 5,89 Q 249,436 267,224 R 84,719 91,512 0,50 K(Q, r) lub 2 841,55 3 087,36 K(Q, ∆) (zł) VDI (%) 8,65 Q 285,584 302,605 R 111,389 128,606 1,00 K(Q, r) lub 3 469,73 3 812,11 K(Q, ∆) (zł) VDI 9,87 Q 310,062 319,665 R 117,581 145,949 1,25 K(Q, r) lub 3 776,43 4 156,14 K(Q, ∆) (zł) VDI (%) 10,05 Q 338,102 336,315 R 117,809 162,655 1,50 K(Q, r) lub 4 059,11 4 489,70 K(Q, ∆) (zł) VDI (%) 10,61 σ µ ródło: opracowanie własne. π A = 0,2 π A = 0,3 gamma 237,265 73,026 minmax 258,177 79,034 gamma Minmax 237,007 265,146 76,047 84,809 2 602,92 2 872,11 2 630,55 2 999,54 10,34 248,538 285,530 98,120 105,367 14,03 248,135 299,246 105,599 115,677 2 966,58 3 408,97 3 037,34 3 649,23 14,91 285,584 338,075 146,046 152,302 20,15 285,584 364,389 166,319 169,544 3 816,31 4 403,77 4 019,04 4 839,34 15,39 311,955 363,237 164,446 173,683 20,41 312,790 395,408 192,545 193,744 4 264,01 4 869,20 4 553,36 5 391,52 14,19 343,493 387,685 176,714 194,021 18,41 345,874 425,448 213,049 216,623 4 702,07 5 089,23 5 920,72 5 317,05 13,08 16,34 Porównanie decyzyjnego modelowania zapasów... 49 25% 20% VDI 15% 10% 5% 0% 0,25 0,5 1 1,25 1,5 W s p ó łc zyn n ik zm ie n no = c i 0 ,1 0 ,2 0 ,3 Rys. 1. Kształtowanie si > VDI w zale? no ; ci od współczynnika zmienno ; ci rozkładu zapotrzebowania w okresie realizacji dostaw VS dla trzech wariantów stosunku π < A ródło: opracowanie własne. WNIOSKI 1. Zało6 enie niepełnej informacji o zapotrzebowaniu zawsze dawało wy6 sze wielko 3 ci poziomu zamawiania r i wy6 sze wielko 3 ci zamawiania Q. 2. Oczekiwane ł5 czne roczne koszty gospodarowania zapasami były zawsze wy6 sze przy zało6 eniu niepełnej informacji o zapotrzebowaniu. 3. Dla wielko 3 ci stosunku πA równego 0,1 warto 3,4 informacji o rozkładzie była tym wi 7 ksza, im wi 7 kszy był współczynnik zmienno 3 ci rozkładu zapotrzebowania w okresie realizacji dostaw. 4. Przy wielko 3 ciach stosunku πA równych 0,2 i 0,3 warto 3,4 informacji o rozkładzie była najwi 7 ksza dla współczynnika zmienno 3 ci równego 1. Wniosek ogólny jest taki, 6 e im wy6 szy stosunek πA , tym bardziej nale6 y si 7 stara4 , aby prawidłowo oszacowa4 rozkład zapotrzebowania w okresie realizacji dostaw, przy czym najwi 7 ksze znaczenie ma to dla współczynnika zmienno 3 ci równego 1. 50 Krzysztof Dmytrów LITERATURA 1. Elementy bada @ operacyjnych w zarz A dzaniu. T. 1, red. A. Całczy: ski. Radom 2000. 2. Gallego G.: A Minimax Distribution Free Procedure for the B Q, rC , Inventory Model. „Operational Research Letters” nr 11. 3. Hadley G., Whitin T.M.: Analysis of Inventory Systems. Prentice-Hall, Englewood Cliffs, New Jersey, 1963. 4. Strijbosch L.W.G., Heuts R.M.J.: Modelling (S, Q) Inventory Systems: Parametric Versus Non-parametric Approximations for the Lead Time Demand Distribution. „European Journal of Operational Research” nr 63. 5. Strijbosh L.W.G., Moors J.J.A.: Simple Expressions for Safety Factors in Inventory Control. Tilburg University Center for Economic Research. „Discussion Paper” 1999, No 112. A COMPARISON OF DECISION MODEL OF INVENTORY MANAGEMENT WITH FULL AND PARTIAL DEMAND INFORMATION Summary In the article the author compared results generated by classical D Q, r E inventory management model with backorders case with full and partial demand information. In the model with full demand information the gamma distribution of lead-time demand was used. The results show that both optimal order quantity Q and re-order point r are higher for partial demand information. Also, optimal costs generated by the model with partial demand information are always higher than for full demand information. The higher π ratio, the higher the difference becomes. The value of the distributional inforA mation (VDI) takes the highest values when the coefficient of deviation (VS) is around 100% for large values of the π ratio. A Translated by Krzysztof Dmytrów