DERS 8 BELİRSİZ TALEP DURUMUNDA STOK KONTROL. Zamanlama Kararları. Bir Seferlik Karar

Benzer belgeler
DERS 8 BELIRSIZ TALEP DURUMUNDA STOK KONTROL. Zamanlama Kararları. Bir Seferlik Karar

OLASILIKLI ENVANTER MODELLERİ

DERS 12. GÜVENLİK STOKLARI ve (Q,R) STOK POLİTİKASI. (Yönetimsel Yaklaşım Yaklaşımı)

EME Sistem Simülasyonu. Giriş. Ertelenmiş Talep (Backorder) / Kayıp Satış (Lost Sales) Sürekli / Periyodik Gözden Geçirme

EME Sistem Simülasyonu. Giriş. Olasılık Dağılımı. Rassal Degiskenler

EME SISTEM SİMÜLASYONU. Giriş. Ertelenmiş Talep (Backorder) / Kayıp Satış (Lost Sales) Sürekli / Periyodik Gözden Geçirme

DERS 9. Belirsiz Talep Durumunda Stok Kontrol-II. Terminoloji. Describing Demand. Zamanlama Kararları. Bir Seferlik Kararlar

KLÜ İİBF-İŞLETME * KANTİTATİF KARAR VERME TEKNİKLERİ

Herhangi bir rastgele değişken için kümülatif dağılım fonksiyonu/cumulative distribution function (KDF/CDF) şu şekilde tanımlanır.

1.58 arasındaki her bir değeri alabileceği için sürekli bir

Ders 6: Sürekli Olasılık Dağılımları

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN

SÜREKLİ DÜZGÜN DAĞILIM

EME 3117 SİSTEM SİMÜLASYONU. Rassal Sayı ve Rassal Değer. Üretimi. Rassal Sayı Üretimi

BİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH

BELİRSİZ TALEPLER İLE ENVANTER KONTROLU. Yrd.Doç.Dr.S.Kerem AYTULUN

SÜREKLİ OLASILIK DAĞILIMI

Birden Fazla RDnin Bileşik Olasılık Fonksiyonları

Z = S n E(S n ) V ar(sn ) = S n nµ. S nn. n 1/2 n σ

Appendix B: Olasılık ve Dağılım Teorisi

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

ANADOLU ÜNİVERSİTESİ. ENM 317 Prof. Dr. Nihal ERGİNEL

Ders 4: Rastgele Değişkenler ve Dağılımları

SÜREKLİ RASSAL DEĞİŞKENLER

WEIBULL DAĞILIMI WEIBULL DAĞILIMI ANADOLU ÜNİVERSİTESİ

RD lerin Fonksiyonları

ENM 316 BENZETİM ÖDEV SETİ

OLASILIK ve KURAMSAL DAĞILIMLAR

EME 3105 SİSTEM SİMÜLASYONU. Sürekli Dağılımlar (2) Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar.

Parametrik Olmayan İstatistik. Prof. Dr. Cenk ÖZLER

TEK BOYUTLU RASSAL DEĞİŞKENLER

İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik

EME 3105 SİSTEM SİMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9

AKT201 Matematiksel İstatistik I Yrd. Doç. Dr. Könül Bayramoğlu Kavlak

Stok Kontrol. Önceki Derslerin Hatırlatması. Örnek (Ekonomik Sipariş Miktarı Modeli)(2) Örnek (Ekonomik Sipariş Miktarı Modeli)(1)

ANADOLU ÜNİVERSİTESİ BEKLENEN DEĞER. X beklenen değeri B[X] ile gösterilir. B[X] = İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER

Stok Kontrol. Ders 6. Farklı Bir Stok Yönetimi Durumu. Önceki Derslerin Hatırlatması

Stok Kontrol. Önceki Derslerin Hatırlatması. Örnek (Ekonomik Sipariş Miktarı Modeli)(1) Örnek (Ekonomik Sipariş Miktarı Modeli)(2)

Simülasyonda İstatiksel Modeller. Banks, Carson, Nelson & Nicol Discrete-Event System Simulation

ENM-3105 Sistem Simulasyonu Kısa Sınav 1

EME 3117 SISTEM SIMÜLASYONU. Üçgensel Dağılım. Sürekli Düzgün Dağılım. Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar

SÜREKLİ OLASILIK DAĞILIŞLARI

GAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI. Prof. Dr. Nezir KÖSE

SİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN

1-2 - * Bu Ders Notları tam olarak emin olmamakla birlikte yıllarına aiitir.tekrardan Sn.Hakan Paçal'a çoook tsk ederiz...

Merkezi Limit Teoremi

ANADOLU ÜNİVERSİTESİ ÖRNEK: GEOMETRİK DAĞILIM

Stok Kontrolü 1 (Inventory Control)

2018 İKİNCİ SEVİYE AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME 12 MAYIS 2018

İÇİNDEKİLER. Ön Söz Saymanın Temel Kuralları Permütasyon (Sıralama) Kombinasyon (Gruplama) Binom Açılımı...

Yapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( )

Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan

Konu 5. Bölüm 2 : Proje Değerlendirme ve Gözden Geçirme Tekniği (PERT) Üç zamanlı tahmin yaklaşımı. a : Faaliyetin iyimser gerçekleşme süresi

Rastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler

SÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım

Simülasyonda İstatiksel Modeller

ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL

Faaliyet Faaliyet zamanı dağılımı A U(5, 8) B U(6, 15) U(10,20) U(4,20) U(12,25) U(15,30)

İSTATİSTİK I KAVRAMLARININ

ANADOLU ÜNİVERSİTESİ. ENM317 Mühendislik İstatistiği İSTATİSTİKSEL TAHMİN Prof. Dr. Nihal ERGİNEL

ALIŞTIRMALAR. Sayısal Bilginin Özetlenmesi:

KESİKLİ DÜZGÜN DAĞILIM

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım

Kümülatif Dağılım Fonksiyonları. F X (x) = P (X x) = P X (x) = P (X x) = p X (x ) f X (x) = df X(x) dx

Ki- Kare Testi ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

EME 3117 SİSTEM SİMÜLASYONU. Üçgensel Dağılım. Sürekli Düzgün Dağılım. Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

İçindekiler. Ön Söz... xiii

Stokastik Süreçler. Bir stokastik süreç ya da rastgele süreç şöyle tanımlanabilir.

EME Sistem Simülasyonu. Girdi Analizi Prosedürü. Olasılık Çizgesi. Dağılıma Uyumun Kontrol Edilmesi. Dağılıma İyi Uyum Testleri Ders 10

İstatistik ve Olasılık

8. Uygulama. Bazı Sürekli Dağılımlar

Tablo (2): Atıştırma Sayısı ve Günlük Sınav Sayısı Atıştırma Sınav Sayısı (X)

IE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R

Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir,

STOK VE STOK YÖNETİMİ.

Hatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5

YÖNEYLEM ARAŞTIRMASI-2 -Markov Zincirleri-

ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ PARAMETRİK OLMAYAN TESTLER Prof. Dr. Nihal ERGİNEL

PARAMETRİK OLMAYAN TESTLER

SÜREKLİ( CONTINUOUS) OLASILIK

ARALIK TAHMİNİ (INTERVAL ESTIMATION):

Bekleme Hattı Teorisi

RİSK ANALİZİ VE AKTÜERYAL MODELLEME

13. Olasılık Dağılımlar

Girişimcilikte Simülasyon: Eğitimcinin Eğitimi

Tesadüfi Değişken. w ( )

Olasılık ve İstatistik Hatırlatma

Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ RANDOM DEĞİŞKEN

SÜREKLĠ OLASILIK DAĞILIMLARI

2018 YILI BİRİNCİ SEVİYE AKTÜERLİK SINAVLARI İSTATİSTİK VE OLASILIK 29 NİSAN 2018

MATEMATİK-II dersi. Bankacılık ve Finans, İşletme, Uluslararası Ticaret. Bölümleri için FİNAL Çalışma Soruları

ANADOLU ÜNİVERSİTESİ. Hipotez Testleri. ENM317 Mühendislik İstatistiği Prof. Dr. Nihal ERGİNEL

Benzetim 9. Ders. Stok Yönetim Sistemlerinde Benzetim

YÖNEYLEM ARAŞTIRMASI III Final Çalışma Soruları

11.1 TEDARİK ZİNCİRİNDE GÜVENLİK STOĞUNUN ROLÜ

Normallik Varsayımı ve Ençok Olabilirlik Yöntemi

Transkript:

Zamanlama Kararları DERS 8 BELİRSİZ TALEP DURUMUNDA STOK KONTROL Miktar kararları Ne zaman sipariş verilecek? kararıyla birlikte verilir. Bu karar, stok yönetimindeki ana kararlardan biridir. Ne zaman sipariş verilecek? kararı stok düzeyleri, stok maliyetleri, sağlanılan servis düzeyi Modeller: Bir seferlik kararlar Sürekli gözden geçirme sistemleri Periyodik gözden geçirme sistemleri Bir Seferlik Kararlar Zamanlama Kararları Sürekli Kararlar Sürekli Gözden Geçirme Sistemleri EOQ, EPQ (Q, R) Sistemi Temel Stok Kesikli Zamanlı Kararlar Periyodik Gözden Geçirme Sistemleri EOQ (S, T) Sistemi (s, S) Sistemi Bir Seferlik Karar Bu durum perakende ve imalatta yaygındır. Sadece kısa bir peryot süresince talep edilen mevsimsel ürünleri düşünün. Ürün, mevsimin sonunda değer kaybeder. Tedarik süresi satış mevsiminden daha uzun olabilir. Bu durumda eğer talep orijinal sipariş miktarında daha yüksekse, ek ürünler için yeni sipariş verilemez. Örnek gazete standı Noel süsleri perakendecisi Noel ağacı son ürün stoğu gazeteci çocuk modeli yada Noel ağacı modeli Zamanlama kararlarının yapısı İki Kutu Opsiyonel Yenileme Eğer talep biliniyorsa (deterministik durum) problem basittir. Stokastik durumda ise talebin ne olacağı tam olarak bilinmez, ancak bir rassal değişken olarak tanımlanır. 1

Örnek: Bir Seferlik Karar (Kesikli Versiyon) Mrs. Kandell yıllardır Noel ağacı işiyle uğraşmakta ve satış miktarlarını yıllık olarak kaydetmektedir. Aşağıda verilen tablo kayıtlardan elde edilen yıllık Noel ağacı talebini ve olasılıklarını göstermektedir. Talep, d Olasılık, f D (d) 22 0.05 0.10 26 0.15 28 0.20 30 0.20 32 0.15 34 0.10 36 0.05 Çözüm: Q sipariş miktarı; Q * - optimal D talep: f D (d) olasılık fonksiyonlu rassal değişken F D (d) birikimli dağılım fonksiyonu: F D (d) = P (D d) c o fazla (pozitif) birim stok başına maliyet π karşılanmayan birim talep başına maliyet Fazla stok bulundurma maliyeti ile karşılanamayan talep maliyeti dengelenmeli Marjinal Analiz Kavramı Marjinal analiz, bir birim daha fazla sipariş vermenin beklenen karını bulmak anlamına gelir. Stoktaki son ürünü satmama ve periyot sonunda elde ekstra stok bulundurma olasılığı P(D < Q) m Q Tüm ürünleri satma ve stoksuz kalmayla yüzyüze kalma olasılığı P(D Q) Gazeteci Çocuk İçin Kritik Oran Örnek: Bir Kerelik Karar (devam) P(D<Q) (C o uygulanır) P(D>Q) (π uygulanır) Eksik stok = kâr kaybı + memnuniyet kaybı Aşırı (fazla) stok = birim maliyet + elden çıkarma maliyeti Satın alma maliyeti optimal çözümü etkilemez, bu nedenle satın alma maliyetini ya ihmal et yada dolaylı olarak fazla Tek Periyot Stok Model Marjinal Analizi: E (son satış geliri) = E (son satış kaybı) yada eksik stok içinde bulunduğunu düşün. 2

Örnek: Bir Kerelik Karar (devam) Q * siparişin beklenen aşırı stok maliyeti: P(D < Q*) c o = F D (Q * )c o Beklenen eksik stok bulundurma maliyeti: P(D > Q*) π = [1-F D (Q*)] π Q * için bu iki maliyet eşit olmalıdır: F D (Q * )c o = (1-F D (Q * ))π P( D < Q * ) = F D ( Q * ) = Periyot boyunca talebin karşılanma olasılığı (kritik oran) Q * ı hesaplamak için birikimli olasılık dağılımını kullanmalıyız. p p + c o Örnek: Bir Kerelik Karar (devam) Talep d Olasılık f D (d) Birikimli Olasılık F D (d) 22 0.05 0.05 0.10 0.15 26 0.15 0.30 28 0.20 0.50 30 0.20 0.70 32 0.15 0.85 34 0.10 0.95 36 0.05 1.00 F D ( Q * ) = p = p + c o 40 40 + 40 Mrs.Kandell satabileceğinden daha fazla ağaç alması durumunda, ağaç ve ağacın elden çıkarma maliyetinin yaklaşık 40 $ olacağını tahmin etmektedir. Eğer talebin sipariş verdiği ağaç sayısından fazla olması durumunda ise ağaç başına 40 $ kâr kaybı olacaktır. = 0.50 Q 28 Tek Periyot & Kesikli Talep: Lively Lobsters (L.L.) her gün taze, canlı ıstakoz tedarik etmektedir. L.L. firmasına her bir ıstakoz 14.50 $ a mal olmakta ve satılan her ıstakoz için 7.50$ kar etmektedir. 1 gün bekleyen ıstakozun değeri ise 8.50 $ a düşmektedir. L.L. nin birim stoksuz kalma maliyeti: π = 7.50 = kâr kaybı Elde fazla ıstakoz kalmasının birim maliyeti: C o = 14.50-8.50 = maliyet hurda değer = 6 L.L. nin hedef hizmet düzeyi CR = π/(π+ C o ) = 7.5 / (7.5 + 6) = 0.56 Talep yanda verilen kesikli bir dağılım izler: Sonuç: 25 ıstakoz sipariş et. Çünkü talebin en % 56 sına kafi gelen en küçük miktar 25 ıstakozdur. Göreceli Frekans (pmf) Birikimli Göreceli Frekans (cdf) Talebin x'e eşit yada daha az olacağı olasılık Talep 19 0,05 0,05 P(D < 19 ) 20 0,05 0,10 P(D < 20 ) 21 0,08 0,18 P(D < 21 ) 22 0,08 0,26 P(D < 22 ) 23 0,13 0,39 P(D < 23 ) 0,14 0,53 P(D < ) 25 0,10 0,63 P(D < 25 ) 26 0,12 0,75 P(D < 26 ) 27 0,10 P(D < 27 ) 28 0,10 P(D < 28 ) 29 0,05 P(D < 29 ) * pmf = prob. mass function (olasılık yoğunluk fonk.) 3

Eğer L.L., optimal büyüklükte sipariş verirse beklenen (ortalama) kar ne olur? Q*=25 adet X= Elde kalan ıstakoz sayısı olsun (x=0,1,2,3,4,5,6). P(X=x Q=25): sipariş miktarı 25 iken x tane ıstakozun elde kalması olasılığı P(X=0 Q=25)=P(D=25)=0,10 (Q=25 iken talep 25 olursa elde ürün kalmaz. ) P(X=1 Q=25)=P(D=)=0,14 P(X=2 Q=25)=P(D=23)=0,13 P(X=3 Q=25)=P(D=22)=0,08 6 P(X=4 Q=25)=P(D=21)=0,08 P(X=5 Q=25)=P(D=20)=0,10 P(X=6 Q=25)=P(D=19)=0,05 E X = x X x. P(X = x) = x=1 x. P(X = x) E[X]=0.0,10+1.0,14+2.0,13+3.0,08+4.0,08+5.0,10+6.0,05=1,44 ıstakoz. Eğer L.L., optimal büyüklükte sipariş verirse beklenen (ortalama) kar ne olur? Q*=25 adet Y= Karsılanamayan talep (y=0,1,2,3,4). P(Y=y Q=25): sipariş miktarı 25 iken y tane ıstakoz talebinin karşılamama olasılığı P(Y=0 Q=25)=P(D=25)=0,10 (Q=25 iken talep 25 tüm talep karşılanır. ) P(Y=1 Q=25)=P(D=26)=0,12 P(Y=2 Q=25)=P(D=27)=0,10 P(Y=3 Q=25)=P(D=28)=0,10 P(Y=4 Q=25)=P(D=29)=0,05 E Y = y Y y. P(Y = y) = y. P(Y = y) E[Y]=0.0,10+1.0,12+2.0,10+3.0,10+4.0,05=0,82 ıstakoz. 4 y=1 Ortalama elde kalan ıstakoz miktarı=1,44 Ortalama karşılanamayan ıstakoz talebi= 0,82 π=7,5 $/adet C o =6 $/adet Ortalama kâr=(25*7,5)-(1,44*6)-(0,82*7,5) =187,5 (8,64) (6,15) =172,71 $ Bir Kerelik Karar: Sürekli Versiyon Bu derste talebin F D (d) birikimli dağılım ve f D (d) olasılık yoğunluk fonksiyonuna sahip rassal değişken olduğunu varsayıyoruz. D Normal rassal değişken olsun N(μ, σ) Geçmiş talep verisinden tahmin edilebilir. Çoğu zaman talebi doğru bir şekilde modeller Amaç: Beklenen maliyeti minimize et 4

Örnek: Gazeteci Çocuk Modeli Her günün başında, bir gazeteci saatin alacağı gazete sayısına karar vermek zorundadır. Günlük satışlar tam olarak tahmin edilemez ve geçmiş satış rakamlarından talebin (D) ortalaması µ=11.73 ve standart sapması σ=4.74 olan Normal dağılıma uyduğu tahmin edilmiştir. Gazete satış fiyatı 75 kuruş ve maliyeti 25 kuruştur. Gün sonunda elde kalan gazeteler, adedi 10 kuruştan geri iade edilmektedir. Optimal sipariş miktarını belirleyin. Örnek: Gazeteci Çocuk Modeli (devam) Kritik oran, matematiksel olarak türetilebilir ve optimal satın alınacak gazete sayısının F D (Q*) = π/ (π + c o ) ile bulunduğu gösterilebilir. Burada birim kar kaybı = satış fiyatı - alış fiyatı π = 75 25 = 50 Fazla gazete başına kayıp = alış fiyatı - geri iade fiyatı c 0 = 25 10 =15 F D (Q*) = π / (π + c o ) = 0.77 P( D < Q* ) = 0.77 Q* ı nasıl bulabiliriz? Optimal Sipariş Miktarının Belirlenmesi Optimal Siparis Miktarinin Belirlenmesi f(z) z = 0.74, μ = 11.73 ve σ = 4.74 Z Z Q z m 15. Q * = zs + m Gazeteci her gün 15 gazete sipariş etmelidir. 5

Optimal Siparis Miktarinin Belirlenmesi Örnek: Talep Düzgün Dağılım Öğrenciler düzenleyecekleri etkinliğe katkı sağlamak amacıyla t-shirt satmayı planlıyor. T-shirt talebinin 48 ile 72 arasında eşit olasılıklı olarak dağıldığı varsayılıyor. Her bir t-shirt 3.50 $ a mal olmakta ve 5.00 $ dan satılacaktır. Yeterince t-shirt satın alınmaması durumunda katlanılan maliyet sadece kâr kaybı olacaktır. T-shirtler üzerine etkinliğin logosu basılı olduğu için etkinlik öncesinde satılamayan ve elde kalan t-shirtler tanesi ancak 2.50 $ dan satılabilecektir. Sipariş maliyetinin çok yüksek olması nedeniyle yalnızca tek sefer sipariş verilebilmektedir. Öğrencilerin 66 adet t-shirt sipariş etmesi halinde beklenen (ortalama) kârı bulun. Örnek: Talep Düzgün Dağılım Örnek: Talep Düzgün Dağılım f(d) 1/ X=Elde kalan tişört sayısı X=Q-d Q=66 adet π=1,5 TL/adet 48 Q=66 72 d Y=Karşılanamayan tişört talebi Y=d-Q E[X]=6,75 adet E[Y]=0,75 det C o = 1 TL/adet E X x. f ( x) dx Q 66 1 (Q d). f (d) dd (66 d) dd d48 d48 66 66 2 1 1 66 d 66 66.. 66. 48 48 dd d dd d 2 d48 d48 6,75 EY y. f (y) dy 72 78 1 (d Q). f (d) dd ( d 66) dd d Q d 66 72 d. dd 66. dd d 66. d 72 2 72 72 66 66 1 1 2 66 66 0,75 E[kâr]=(66*1,5)-(6,75*1)-(0,75*1,5) =(99)-(6,75)-(1,125) =91,125 TL 6