روشهای اندازه لوط: کدام یک برای خرید صنعتی بهترین است؟

هدف از این مقاله ارائه و بحث در مورد استفاده گسترده ترین روش های اتخاذ شده توسط شرکت های تولیدی برای تصمیم گیری در مورد سفارش چه مقدار مواد ورودی است. ما همچنین هر روش را با استفاده از یک مثال مشخص نشان می دهیم و نقاط قوت و ضعف هر روش را در زمینه خرید صنعتی ارزیابی می کنیم.

شرکت های تولید کننده مقادیر زیادی از مواد ورودی و اجزای پایه را برای تولید کالاهای نهایی خریداری می کنند که بیشتر آنها از تأمین کنندگان خارجی خریداری می شوند. از امروز ، شرکت های تولیدی از فرایندی به نام "برنامه ریزی الزامات مواد" برای برآورد مقدار هر ماده مورد نیاز برای تولید و در صورت نیاز استفاده می کنند.

برنامه ریز مادی (که شخص مسئول سفارش سفارش است) باید تصمیم بگیرد که سفارش چقدر بزرگ باشد ، زیرا قرار دادن سفارشات بیشمار در هر ماه می تواند بسیار پرهزینه باشد و همچنین هزینه های نگهدارنده موجودی را نیز داشته باشد. تصمیم آنها باید برای یافتن یک تجارت مناسب بین هزینه ها برای یافتن یک راه حل مالی مناسب انجام شود.

این مشکل بهینه سازی "اندازه زیادی" نامیده می شود. از آنجا که محدودیت های بیشتر و بیشتر به معادله ای مانند کنترل کیفیت یا فساد پذیری اضافه می شود ، کاملاً خارق العاده می شود. در این مقاله ، ما ارائه خواهیم داد که چگونه اندازه های زیادی از امروز انجام می شود و تکنیک های اندازه زیادی را برای شرکت های صنعتی برای برنامه ریزی خریدهای خود از مواد اولیه و مؤلفه ها مرور می کنیم.

1. برنامه ریزی مورد نیاز مواد: اولین قدم قبل از محاسبه اندازه قطعه

تعیین اندازه های کافی برای حفظ موجودی قابل قبول و سطح خدمات لازم است. حداقل مقادیر سفارش مورد نیاز تأمین کنندگان اغلب سطح موجودی را به ویژه برای مواردی که چرخه چرخش موجودی طولانی دارند منفجر می کنند. برای تعیین اندازه قطعه ای که هزینه ها را به حداقل می رساند ، شرکت های صنعتی از برنامه ریزی مواد (MRP) استفاده می کنند.

برنامه ریزی الزامات مواد (MRP) یک راه حل مبتنی بر نرم افزار است که توسط هر سیستم برنامه ریزی شده Ressource برنامه ریزی شده (ERP) مورد استفاده قرار می گیرد که هدف از آن:

1. از در دسترس بودن مواد ، قطعات و محصولات برای تولید برنامه ریزی شده و برای تحویل مشتری اطمینان حاصل کنید
2. کمترین میزان موجودی ممکن را حفظ کنید ،
3. برنامه ریزی ، برنامه های تحویل و فعالیت های خرید.

MRP مخصوصاً برای محیط های تولیدی مناسب است که تقاضای بسیاری از مواد و مؤلفه ها به محصولات دارای نیازهای خارجی بستگی دارد.

• تقاضا برای محصولات نهایی مستقل است.
• تقاضا برای مؤلفه ها به محصولات نهایی بستگی دارد ، به همین دلیل ما آن را تقاضای وابسته می نامیم

سه ورودی اصلی یک سیستم MRP عبارتند از:

1. برنامه تولید کارشناسی
2. سوابق ساختار محصول ، همچنین به عنوان صورتحساب سوابق مواد (BOM) شناخته می شود ، حاوی اطلاعاتی در مورد هر مورد یا مونتاژ مورد نیاز برای تولید محصولات نهایی است
3. سوابق موجودی موجودی که حاوی وضعیت کلیه مواد موجود در موجودی است

شرکت های صنعتی پس از اجرای برنامه ریزی الزامات مواد ، موارد زیر را می دانند:

• چه مواردی برای تولید مورد نیاز است
• چه تعداد از آنها مورد نیاز است
• چه زمانی آنها لازم است (یعنی چه زمانی در تولید مصرف می شوند)

با این حال ، آنها اکنون باید تصمیم بگیرند که چه مقدار از مواد مورد نظر را سفارش دهند تا هزینه ها را به حداقل برسانند ، یعنی زمانی که اندازه زیادی وارد معادله می شود.

2. روشهای مختلفی برای تعیین اندازه بهینه قطعه چیست؟

تکنیک های مختلف اندازه که در سراسر شرکت های صنعتی اجرا می شود را می توان به استاتیک ، دوره ای یا پویا طبقه بندی کرد. اندازه قطعه استاتیک شامل قرار دادن مقدار سفارش ثابت یا سفارش دقیقاً مبلغی که برای تأمین تقاضای پیش بینی شده لازم است. گروه های اندازه گیری دوره ای ، الزاماتی را که در یک دوره تعیین شده قرار دارند ، با هم قرار می دهند. برای اندازه گیری پویا ، تقاضای پیش بینی شده تجمعی در کل افق زمانی برای تعیین مقادیر بهینه سفارش در نظر گرفته شده است. با پیشرفت زمان و الزامات تولید برای افق زمانی جدید ، سفارشات برنامه ریزی شده قبلاً توسعه یافته ممکن است سازگار شوند.

روشهای اندازه استاتیک

روشهای اندازه گیری استاتیک شامل سفارش یک مقدار ثابت یا مقدار دقیق مورد نیاز برای تاریخ مورد نیاز است.

1. مقدار سفارش ثابت: این روش شامل سفارش یک مقدار ثابت در هنگام رسیدن به نقطه تنظیم مجدد است. این مقدار اغلب به محدودیت های خاص تأمین کننده بستگی دارد.→ به مثال

2. مقدار سفارش اقتصادی: این فرمول در سال 1913 توسط فورد دبلیو هریس تهیه شد که منجر به یک مقدار سفارش می شود که کل هزینه های نگهدارنده و هزینه های سفارش را به حداقل می رساند. فرمول به شرح زیر است: q = (2ds/h) 0،5 که در آن: q = مقدار سفارش داده می شود d = تقاضا در واحدها (به طور معمول به صورت سالانه) S = هزینه سفارش (در هر سفارش خرید) H = هزینه های نگهدارنده (در هر واحد ، در هر سال) → به عنوان مثال

3. lot for lot (L4L): این شامل سفارش مبلغ دقیقی است که مطابق با نیاز خالص برای هر دوره است.→ به مثال

4- قطعه قطعه: مستلزم سفارش کل نیاز برای دوره تعریف شده در یک زمان است.→ به مثال

روشهای اندازه گیری لوت استاتیک به راحتی به صورت خودکار انجام می شود اما انعطاف پذیری زیادی را فراهم نمی کند زیرا یک تغییرپذیری زیاد تقاضا می تواند منجر به هزینه های بالای موجودی شود. روش Lot for Lot به عنوان یک استثناء به حداقل می رسد که موجودی به حداقل می رسد که از طرف دیگر منجر به هزینه های سفارش بسیار بالا می شود.

روشهای اندازه گیری دوره ای

گروه های اندازه گیری دوره ای چندین مورد نیاز در یک بازه زمانی با هم دارند تا مقدار زیادی تشکیل دهند. روشهای اندازه گیری دوره ای در هنگام استفاده از کالاهای ارزان در هنگام کم بودن هزینه موجودی ، مؤثر هستند.

5- دوره تأمین (POS): دوره ای از عرضه مانند 3 هفته مشخص شده است که برای آن نیازهای خالص در طول آن دوره هر بار سفارش داده می شود.→ به مثال

6. مقدار سفارش دوره: شامل استفاده از مدل EOQ در زیر مجموعه ای از کل دوره مورد نظر در یک زمان است ، جایی که تقاضا به میانگین نیاز هر دوره زیر مجموعه ترجمه می شود.→ به مثال

روشهای اندازه گیری پویا

اندازه قطعه پویا تأثیر نیازهای تجمعی را در طول زمان برای تعیین بهترین مقادیر سفارش در نظر می گیرد. از آنجا که پیشرفت های زمان و الزامات تولید جدید برای مواد ورودی شناخته شده است ، سفارشات برنامه ریزی شده قبلاً توسعه یافته ممکن است در نهایت تغییر کند. این همچنین می تواند نتیجه تنوع پیش بینی باشد.

در مثالهای مربوط به هر تکنیک ارائه شده در پایان این مقاله ، ما با فرض الزامات کاملاً پیش بینی شده که در واقعیت اغلب اینگونه نیست ، وضعیت را برای سهولت درک مطرح می کنیم.

7. حداقل هزینه واحد (LUC): اندازه سفارش به گونه ای تعیین می شود که تقاضا برای دوره های بعدی "N" برآورده شود ، جایی که "N" میانگین هزینه برای هر واحد را به حداقل می رساند.→ به مثال

8- حداقل هزینه کل (LTC): در این تکنیک اکتشافی ، راه حل بهینه با برنامه سفارش مطابقت دارد که در آن هزینه سفارش تقریباً هزینه های حمل را دارد.→ به مثال

9. تعادل دوره قسمت (PPB): این روش نشان دهنده تنوع رویکرد LTC است. این هزینه سفارش را در دوره های معادل خود در دوره های "دوره اقتصادی (EPP)" ، با تقسیم هزینه سفارش با هزینه حمل یک واحد برای یک دوره تبدیل می کند. هنگامی که "دوره قطعات تجمعی" که مربوط به موجودی اضافی x در تعداد هفته هایی است که حمل می شود ، از EPP فراتر می رود ، ما آن را به عنوان اندازه مطلوب می گیریم.→ به مثال

10. وعده غذایی نقره ای (SM): نقره و وعده غذایی این اکتشاف را در سال 1973 ایجاد کردند که میانگین هزینه در هر دوره را تعیین می کند. این ابتدا موارد زیادی را در نظر می گیرد که تقاضا را برای یک دوره پوشش می دهد و هزینه ها را محاسبه می کند. سپس اندازه قطعه را برای پوشش شرایط دیگر برای یک دوره دیگر افزایش می دهد و میانگین هزینه آن دوره را محاسبه می کند. یک دوره در یک زمان اضافه می شود تا متوسط هزینه در هر دوره افزایش یابد ، پس از آن روند متوقف می شود.→ به مثال

11. مشکل کمیت سفارش چند جانبه با تخفیف های همه واحدها (UMSOQP VAD): توسط Horst Tempelmeier در سال 2002 تهیه شده است ، این مدل است که توسط SAP APO (برنامه ریز پیشرفته و بهینه ساز) نرم افزار SAP AG اجرا شده است. اکتشافی با یک راه حل LUC شروع می شود و در مراحل بهبود تکرار می شود تا اینکه با توجه به پارامترهای ورودی ، راه حل بیشتر بهبود یابد.→ به روش

بسیاری از روش های دیگر می توانند برای اندازه های زیادی مانند لحظه سفارش مک لارن (MOM) ، رویه تغییرگر Groff ، فاصله سفارش اقتصادی (EOI) ، حداکثر الگوریتم افزایش جزئی دوره (MPG) ، واگنر و ویتین (WW) استفاده شود ... ما این کار را نمی کنیمتمام تکنیک ها را پوشش دهید زیرا برخی از آنها به راحتی نشان می دهند و برخی از آنها در زمینه برنامه ریزی تولید بهتر کاربرد دارند.

در جدول زیر ما روشهای مختلف اندازه LOT را مقایسه کردیم ، نقاط قوت و ضعف آنها را با توجه به 8 معیار ارزیابی می کنیم.

3. امروز بهینه سازی اندازه زیادی باید انجام شود؟

بسیاری می توانند فکر کنند که فقط به کارگیری روشهای اندازه گیری پویا بیشتر معقول خواهد بود زیرا روشهای استاتیک و دوره ای باعث می شود سطح انعطاف پذیری کمتری منجر به سطوح زیاد موجودی یا سفارشات بیش از حد غیر ضروری شود.

با این وجود ، بسیاری از شرکت های صنعتی به دلیل سادگی در اجرای آنها ، از تکنیک های اندازه گیری استاتیک و دوره ای مانند EOQ استفاده می کنند ، اگرچه محدودیت های تأمین کننده مانند حداقل مقادیر سفارش یا مقادیر گرد در فرمول اصلی در نظر گرفته نمی شود. این بدان معنی است که دستیابی بهینه به ویژه از نظر هزینه دشوار است ، و در نتیجه خسارات پنهان مالی در فرآیندهای برنامه ریزی سفارش گره خورده است (Nydick 1989).

برای تکنیک های اندازه گیری پویا ، هر روش بسته به محیط و نوع مواد می تواند عملکرد خوبی داشته باشد (Collier 1980). برخی از روشها هنوز هم به عنوان مطالعات دانشگاهی نشان داده اند که نشان داده است که وعده غذایی نقره ای (SM) بهترین تجارت بین هزینه - اثربخشی و استحکام را نشان می دهد (Jeunet 2000) و الگوریتم Wagner Whitin (WW) بهترین عملکرد را برای اندازه گیری پویا انجام می دهدمشکل و اغلب به عنوان معیار برای تکنیک های اکتشافی ساده تر استفاده می شود (Baciarello 2013 ، Beck 2015).

با این حال ، اگر این روش ها در مطالعات دانشگاهی عملکرد خوبی داشته باشند ، برخی از محدودیت های واضح در دنیای واقعی وجود دارد ، به عنوان مثال ، وعده های نقره ای به راحتی قابل گسترش نیست که شامل محدودیت های زندگی واقعی مانند حداقل مقادیر سفارش یا تخفیف های چندگانه باشد (بنتون 1996). علاوه بر این ، الگوریتم Wagner Whitin (WW) در عمل استفاده نمی شود زیرا به دلیل پیچیدگی و دشواری در اجرای آن در سیستم های ERP در دسترس نیست (Bahl 2009).

با توجه به افزایش تصویب تجزیه و تحلیل داده ها در تصمیم گیری در مورد تجارت ، برای تحقق پس انداز قابل توجهی باید این مسئله به صورت الگوریتمی حل شود زیرا این امکان را برای انعطاف پذیری بیشتر برای ادغام همه محدودیت ها نسبت به مشکل اندازه قطعه پیچیده فراهم می کند (Kulkarni 2019). UMSOPQ VAD نتایج خوبی را برای ادغام اکثر محدودیت های تأمین کننده ارائه می دهد اما برای انجام عملکرد خوب به سطح بالایی از داده ها نیاز دارد و فساد پذیری مادی را در نظر نمی گیرد.

به طور خلاصه ، بسیاری از تکنیک ها الزامات را به عنوان نقطه شروع برای محاسبه اندازه بهینه در نظر می گیرند ، اما الزامات کاملاً پیش بینی شده امکان پذیر نیست. علاوه بر این ، محدودیت های تأمین کننده مانند حداقل و حداکثر مقادیر سفارش یا مقادیر گرد و غالباً تأثیر قابل توجهی در مقدار سفارش نهایی دارند (ENNS 2005). با افزودن محدودیت های مادی مانند خرابکاری ، ما می دانیم که محدودیت ها باید از ابتدا در مشکل بهینه سازی یکپارچه شوند تا از خرید بهینه اطمینان حاصل شود.

به تمام دلایل فوق ، در Genlots*، ما این چالش را برای تهیه یک الگوریتم اختصاصی ساخته شده با یادگیری ماشین به ویژه برای استفاده صنعتی انجام دادیم ، با توجه به هر محدودیت در دنیای واقعی به عنوان نقطه شروع برای یافتن راه حلی که به حداقل رساندن هزینه کل مالکیت خواهد رسید. در کمتر از 5 ثانیه. این الگوریتم به راحتی با ERP های شناخته شده به راحتی ادغام می شود و قبلاً در تولید با Merck (صنعت داروسازی) آزمایش شده است که به طور موثری تا 10 ٪ از کل هزینه برای هر ماده را پس انداز می کند.

* Genlots اولین شرکتی است که کاملاً به برنامه ریزی سفارش داده شده است ، و بهینه سازی اندازه زیادی با مفاهیم یادگیری ماشین است. اگر شما علاقه مند به کسب اطلاعات بیشتر در مورد Genlots و ارزیابی چگونگی دسترسی نرم افزار ما می توانید نیازهای شما را داشته باشید ، دریغ نکنید که در Contact@genlots. com با ما در تماس باشید.

4- تصاویر و نمونه هایی از تکنیک های اندازه کلاسیک

برای همه مثالها متغیرهای زیر را می گیریم: هزینه سفارش (در هر سفارش خرید): 100 € نرخ حمل: 17 ٪ هزینه سالانه مواد: 25 €

تکنیک های اندازه استاتیک

1. مقدار سفارش ثابت

این تعداد واحدها را به طور دلخواه برای سفارش هر بار سفارش سفارش می دهد.

نکته دوم: برای دو روش اول ، این سؤال که چه موقع سفارش را قرار دهید مهم نیست ، اما برای سایر روش ها مانند مقدار سفارش ثابت ، برنامه ریز تأمین باید تصمیم بگیرد که چه موقع سفارش را قرار دهد. در این حالت ، برنامه ریز نگاه می کند که پیش بینی می شود موجودی موجود در دسترس از سطح ایمنی پیش بینی شود ، و از این رو باید بسته به کل زمان سرب برای ورود مواد به موقع ، هفته های "x" را سفارش دهید تا از زمان جلوگیری شود. سهام بالقوه

در مثال زیر، برنامه ریز عرضه ممکن است به طور دلخواه تصمیم بگیرد که مقدار سفارش قابل قبول 500 واحد (که ممکن است حجم یک پالت را نشان دهد) با توجه به دانش تجاری خود تصمیم بگیرد. در دو هفته اول هیچ سفارشی دریافت نمی شود زیرا در صورت ثبت سفارش در همان دوره اول، دو هفته طول می کشد تا دریافت شود. موجودی اولیه ما 500 واحد است. در هفته چهارم، 260 واحد مورد نیاز داریم که اگر کاری انجام ندهیم، موجودی موجود به زیر سطح موجودی ایمنی می رود (280-260).<200), that is why we plan an order of 500 units in the first week that will arrive in the third week. We plan another one to be received in week 5 to cover the demand until the end of the horizon.

هزینه های سفارش: 200 € هزینه موجودی: 252. 7 € هزینه های خرید: (500 + 500) x 25 € = 25000 € کل هزینه: 25'452. 7 € → بازگشت به سفارش ثابت توضیحات تعداد

2. مقدار سفارش اقتصادی (EOQ)

Q= ((2*7995*100)/(0, 17 x 25) 0, 5 = ( 1'599'000 / 4. 25 ) 0. 5 = 613

در مثال زیر، ما باید این مقدار را در هفته اول سفارش دهیم تا در هفته سوم تحویل داده شود و از پایین رفتن از سطح موجودی ایمنی خودداری کنیم. به طور مشابه، ما باید در هفته پنجم دوباره سفارش دهیم تا در هفته 7 زیر سطح سهام ایمنی نرویم.

هزینه های سفارش: 200 € هزینه موجودی: 321 € هزینه های خرید: (613+613) x 25 € = 30'650 € کل هزینه: 31'171 € → بازگشت به سفارش اقتصادی توضیحات تعداد

3. Lot for Lot (L4L)

برای رویه Lot for Lot، باید مبلغ دقیقی را سفارش دهیم که با الزامات خالص در هر دوره مطابقت داشته باشد. در مثال ساده زیر، ما یک زمان تحویل دو هفته ای داریم که به این معنی است که نمی توانیم در دو هفته اول سفارش دهیم، اما فرض می کنیم که قبلاً برخی از سفارشات را برای پوشش تقاضا ثبت کرده ایم. همانطور که در هفته سوم قصد داریم 120 واحد مصرف کنیم، قرار است در هفته 1 برای هفته سوم سفارش 120 واحدی را برنامه ریزی کنیم که مطابق با نیازهای مورد انتظار این دوره است.

هزینه های سفارش: 600 € هزینه موجودی: 146. 8 € هزینه های خرید: 930 x 25 € = 23, 250 € هزینه کل: 23, 997 € → بازگشت به قسمت برای توضیحات لات

4. Single Lot

برای رویه Single Lot، مقدار سفارش برابر با کل نیاز است و فقط یک سفارش باید ثبت شود. در مثال زیر در هفته اول سفارشی برای هفته سوم 930 واحد می گذاریم که با کل نیازهای هفته های 3-4-5-6-7-8 مطابقت دارد.

هزینه های سفارش: 100 € هزینه موجودی: 326. 4 € هزینه های خرید: 930 x 25 € = 23. 250 € کل هزینه: 23. 676. 4 € → بازگشت به توضیحات Single Lot

تکنیک های اندازه گیری لات دوره ای

5. دوره عرضه (POS)

رویه Period Of Supply محاسبه می کند که اندازه لات برابر با خالص مورد نیاز برای یک دوره زمانی معین در آینده خواهد بود. ما 3 هفته را به عنوان دوره عرضه پیش فرض برای این مثال انتخاب می کنیم. نیاز هفته های 3 تا 5 به 510 واحد می رسد. بنابراین ما 510 دستگاه را در هفته اول سفارش می دهیم تا در هفته سوم برای پوشش هفته های 3-4-5 تحویل داده شوند. سپس 420 دستگاه را در هفته چهارم سفارش می دهیم تا تقاضای 3 هفته گذشته را پوشش دهیم.

هزینه های سفارش: 200 € هزینه موجودی: 223 € هزینه های خرید: (510+420) x 25 € = 23, 250 € کل هزینه: 23, 673 € → توضیحات بازگشت به دوره عرضه

6. مقدار سفارش دوره (POQ)

مقدار سفارش دوره از مدل EOQ برای یک دوره محدود استفاده می کند که در آن تقاضا به عنوان میانگین نیاز در هفته نشان داده می شود. فرمول استفاده شده به شرح زیر است: EOQ / میانگین. دوره استفاده.

EOQ: 613 (همانطور که قبلا محاسبه شد) میانگین استفاده از دوره: (1230)/8 = 153. 75 POQ = EOQ / متوسط استفاده از دوره = 613 / 153. 75 = 4 دوره

در مثال زیر، POQ محاسبه شده در بالا 4 دوره است که به این معنی است که ما باید تقاضا را برای چهار دوره برای هر سفارش در نظر بگیریم. برای هفته های 3،4،5 و 6 مجموع نیازهای ناخالص پیش بینی شده 815 واحد است، به همین دلیل است که سفارش 630 واحد را در هفته اول برنامه ریزی می کنیم. اگر دوباره سفارش ندهیم، موجودی موجود پس از آن در هفته 7 به زیر موجودی ایمنی می‌رسد، اما باید بدانیم که چه الزاماتی فراتر از پایان افق است.

هزینه های سفارش: 200 € هزینه موجودی: 186. 2 € + (هزینه های موجودی دو دوره گذشته (نامعلوم)) هزینه های خرید: (630 + ?) x 25 € هزینه کل: ما به الزامات دوره های آینده برای برآورد هزینه کل نیاز داریم.← بازگشت به دوره توضیحات مقدار سفارش

تکنیک‌های اندازه‌گیری دینامیک لات

7. کمترین هزینه واحد (LUC)

هدف روش حداقل هزینه واحد به حداقل رساندن میانگین هزینه هر واحد است. واحد به عنوان "یک قطعه تجهیزات / ماده اولیه / جزء" تعریف می شود.

اندازه سفارش را پیدا می کنیم که دوره های "n" بعدی را پوشش می دهد، جایی که "n" برای به حداقل رساندن میانگین هزینه در هر واحد تنظیم شده است.

روش کمترین هزینه واحد یک تکنیک پویا اندازه لات است که هزینه سفارش و حمل موجودی را برای هر اندازه لات آزمایشی اضافه می کند و بر تعداد واحدها در هر اندازه لات تقسیم می کند، و اندازه لات را با کمترین هزینه واحد انتخاب می کند.

برای این مثال از جدول دیگری برای محاسبه اندازه بهینه لات با توجه به این تکنیک استفاده خواهیم کرد.

مقدار سفارش: تعداد تجمعی برای سفارش هر هفته موجودی اضافی: مقداری که در دوره n مورد نیاز نیست، اما در هفته انجام شده بیشتر مورد نیاز خواهد بود: تعداد هفته‌هایی که موجودی مازاد حمل می‌شود هزینه حمل در هر هفته در هر واحد = 0, 17 x25 € / 52 هفته = 0, 08173 هزینه حمل هفته 6 = 120 x 0. 08173 x 3 = 29. 4 * هزینه واحد = هزینه کل / مقدار سفارش

در مثال زیر، تکنیک حداقل هزینه واحد سفارش 630 واحد را توصیه می کند که تا هفته 6 تقاضای پیش بینی شده را پوشش می دهد زیرا هزینه هر واحد 0. 27 یورو به ازای هر واحد در هفته خواهد بود. پس از هفته 6، زمانی که دید بیشتری نسبت به تقاضای پیش بینی شده در چند هفته آینده داشته باشیم، یک بار دیگر فرآیند را شروع می کنیم.

هزینه سفارش: 200 € هزینه های موجودی: 186. 2 € + (هزینه های موجودی دو دوره آخر (ناشناخته)) هزینه های خرید: (630 +؟) x 25 € =؟هزینه کل: ما برای برآورد کل هزینه به الزامات دوره های آینده نیاز داریم.→ به حداقل توضیحات هزینه واحد برگردد

8. حداقل هزینه کل (LTC)

کمترین روش هزینه کل یک روش اندازه پویا است که با مقایسه هزینه حمل و هزینه سفارش برای اندازه های مختلف ، مقدار سفارش را محاسبه می کند و تعداد زیادی را انتخاب می کند که در آن تقریباً برابر هستند (Chase 2002). برای به دست آوردن نتیجه نزدیک به بهینه ، بسیاری از سناریوهای مختلف باید مورد تجزیه و تحلیل قرار گیرند تا ببینیم کدام یک هزینه کل را به حداقل می رساند ، به همین دلیل ما فقط به سه مثال مختلف نگاه خواهیم کرد.

آ. سناریوی پوشش دو هفته: برای تعادل هزینه های سفارش و هزینه های حمل کمتر سفارش دهید

هزینه سفارش = 300 € هزینه های موجودی = 167. 4 € هزینه های خرید: 930 x 25 € = 23'250 € هزینه کل = 23717. 4 €

ب. دو سفارش

هزینه سفارش = 200 € هزینه های موجودی = 223 € هزینه های خرید: 930 x 25 € = 23'250 € هزینه کل = 23'673 €

ج. دو سفارش متفاوت قرار داده شده است

اندازه قطعه ایده آل 510 واحد برای هفته سوم و 420 واحد برای هفته ششم خواهد بود زیرا این راه حل است که هزینه های سفارش تا حد امکان به هزینه های حمل نزدیک می شود.

هزینه سفارش = 200 € هزینه های موجودی = 227. 1 € هزینه های خرید: 930 x 25 € = 23'250 € هزینه کل = 23 '677. 1 → به حداقل توضیحات در کل هزینه

9. تعادل دوره قسمت (PPB)

این روش نشان دهنده تنوع رویکرد LTC است. این هزینه سفارش را در دوره های بخشی ، "دوره اقتصادی (EPP)" ، با تقسیم هزینه سفارش بر اساس هزینه حمل یک واحد برای یک دوره ، به هم ارزی خود تبدیل می کند. هنگامی که "دوره قطعات تجمعی" که مربوط به موجودی اضافی x در تعداد هفته هایی است که حمل می شود ، از EPP فراتر می رود ، ما آن را به عنوان اندازه مطلوب می گیریم.

EPP = هزینه سفارش / هزینه حمل در هر دوره در هر واحد EPP = 100 / 0،08173 = 1223

1620 > 1223 ->سفارش 815 برای پوشش تقاضا تا هفته 7

در مثال زیر ، ما در هفته اول 815 واحد سفارش می دهیم که در هفته سوم می رسند. ما باید در طول هفته ششم دوباره مرتب شویم اما همانطور که نمی دانیم نیازهای آینده ، هیچ نکته ای وجود ندارد که اندازه قطعه را محاسبه کند.

هزینه سفارش = 200 € هزینه های موجودی = 253 € (+ هزینه های موجودی دوره آخر (ناشناخته)) هزینه های خرید: (815+؟) x 25 € =؟هزینه کل = ما برای برآورد کل هزینه به الزامات دوره های آینده نیاز داریم.→ توضیحات متعادل کننده دوره به قسمت بازگشت

10. وعده غذایی نقره ای (SM)

اکتشافی وعده های غذایی نقره ای که در سال 1973 توسط نقره و وعده غذایی ایجاد شده است ، نیاز به تعیین متوسط هزینه در هر دوره به عنوان تابعی از تعداد دوره هایی دارد که ترتیب فعلی طول می کشد و متوقف کردن محاسبه در هنگام افزایش این عملکرد است.

k = هزینه سفارش = 100 € H = هزینه نگهداری موجودی در هر واحد در هفته = 0،08173 € r n = الزامات

C (1) = K C (2) = (K + hr 2 )/2 C (3) = (K + hr2 + 2hr3 ) / 3 …. Until C(t) >ج (T-1)

C(1) = 100 C(2) = (100 + 260 x 0.08173 ) / 2 = 60.6 C(3) = (100 + 390 x 0.08173 + 2 x 130 x 0.08173) / 3 = 44.3 C(4) = (100 + 510 x 0.08173 + 2 x 250 x 0.08173 + 3 x 120 x 0.08173) / 4 = 53 53 >44. 3

در هفته 6: c (1) = 100 c (2) = (100 + 305 x 0. 08173) / 2 = 62. 4 c (3) = (100 + 300 x 0،08173 + 2 x 115 x 0،08173) = 47. 8

در مثال زیر ، ما 510 واحد را در هفته اول و 420 در هفته ششم سفارش می دهیم.

هزینه سفارش = 200 € هزینه های موجودی = 223. 4 € هزینه های خرید = 930 x 25 € = 23'250 € هزینه کل = 23'673. 4 → بازگشت به توضیحات وعده غذایی نقره

11. SAP APO Heuristics - Umsoqpvad

UMSOQP VAD مخفف مشکل کمیت سفارش چند جانبه با تخفیف های همه واحدی متغیر است. این اجرای خاص توسط Horst Tempelmeier در سال 2002 ساخته شده است. این مدل است که در نرم افزار APO (برنامه ریز پیشرفته و بهینه ساز) SAP اجرا شده است.

اکتشافی با یک راه حل LUC شروع می شود و در مراحل بهبود تکرار می شود. تکرار هنگامی متوقف می شود که با توجه به پارامترهای ورودی ، راه حل بهبود یابد.