Нормирование потенциала между двумя классами продукта

РЕЗЮМЕ

В настоящей работе мы изучаем вопрос распределения пропускной способности, с которыми сталкиваются сделать по заказу фирм-производителей сталкиваются ожидается общий спрос превышает имеющиеся возможности. В частности, мы фокусируемся на фирм производства краткосрочных жизненному циклу или сезонные продукты, такие как высокая модной одежды. Использование решения, основанного на теории подход, мы разрабатываем политику распределения пропускной способности, что позволяет таким фирмам различать два вида продукции (1 приносит более высокую прибыль вклад на единицу мощности, возложенную на нее по сравнению с другими), в результате отказа от избирательного заказов на класс ниже единицы взноса. Эффективности деятельности по укреплению карточной исследуется под широкий спектр условий, характеризуется вариативностью таких факторов, как соотношение прибыль на единицу продукции взносов из двух классов продукции, соотношение общего объема имеющихся мощностей ожидаемого общего спроса, соотношение ожидаемых требований между 2 классов, а также изменчивости спроса на каждый продукт класса. Результаты показывают, что потенциал нормирования является очень эффективной в повышении общей прибыли, и поэтому может служить в качестве ценного инструмента решения для руководителей в таких фирмах.

Предметные области: теория принятия решений, управлению спросом и статистики.

ВВЕДЕНИЕ

Эффективное управление спросом и имеет важнейшее значение для максимизации прибыли на производство и обслуживание операций. Суть проблемы заключается в обеспечении, что фирма имеет достаточный запас продуктов (или возможности), чтобы удовлетворить спрос, как в кратко-и долгосрочной перспективе. В ситуациях, когда спрос превышает предложение, компания может выбрать увеличить установленную мощность в долгосрочной перспективе путем принятия надлежащих капиталоемкие решения, такие, как расширение текущего объекта или строительство нового объекта. В краткосрочной перспективе, однако, такие варианты отсутствуют, и фирмы вынуждены прибегать к тактическим решений, связанных с предложением, спросом, или обоих.

Для "производства на складе" фирм-производителей, тактические решения обычно связаны складе нормирование политики, которые были определены рядом авторов [11] [13] [19] [22]. Эта политика, в которой число доступных выделено для клиентов с учетом их приоритета, могут быть использованы компаниями для различия между разными клиентами в краткосрочной перспективе, и, как представляется особенно эффективным, когда есть значительные различия между награды, связанных с различными клиентов.

"Сделать на заказ" фирм-производителей (и предприятий сферы услуг), с другой стороны, по существу вместимость (а не инвентаризации) в наличии. При таких фирм опыт требует сверх возможностей, менеджер сталкивается с проблемой распределения имеющихся возможностей для различных продуктов приоритета (или клиенты), в результате отказа от некоторых заказов на продукцию ниже приоритет. Очевидно, что Есть награды (например, увеличение прибыли) и наказания (например, долгосрочное влияние на рыночную долю), связанные с принять или отклонить заказы, соответственно, для каждого продукта. Менеджер, поэтому, тщательно определять распределение пропускной способности, которая достигает поставленных целей, таких как максимальное общей прибыли, или встреча предписанного уровня обслуживания для каждого продукта [14] [27].

Большая часть литературы по этой проблеме управленческого потенциала ограничивает ее возможности в долгосрочной перспективе, концентрируя внимание на объекте расширения решения (например, [24]). Однако, как указывает Лавлок для предприятий сферы услуг ", большинство возможностей ограниченными организаций высокой фиксированной и переменной соотношения расходов, отражающие наличие дорогих объектов инфраструктуры и оборудования, а также резерв полный рабочий день персонала" [17, стр. 163]. Аналогичная ситуация с которыми сталкиваются многие производства делают по заказу фирм, которые по существу продавать свою способность производить определенный набор продуктов [12]. Высокой фиксированной и переменной соотношения расходов исключает возможности расширения в качестве экономически жизнеспособным вариантом для таких фирм. В краткосрочной перспективе, основное внимание в литературе как правило, были по определению нормы выработки и сроки продукты [7], отведя решения либо планирования или управления заказами leadtime [15] [26].

В этой статье мы сконцентрируемся на краткосрочные проблемы распределения пропускной способности, с которыми сталкиваются сделать на заказ производства фирмы сталкиваются с ожидаемой общей потребности в избыточных мощностей, а также разработать простую и эффективную политику, которая может быть использована для таких фирм, различия между классами продукции. По аналогии с карточной фонда для компаний, внести на склад производства, мы определяем этот процесс распределения как "создание нормирование", в котором часть имеющегося объема зарезервирована для более высокого приоритета, в результате возможного отказа от некоторых заказов на более низкий приоритет продукции. Примеры фирм сталкиваются с такими решениями являются высокие модной одежды производителей и типографий, которые испытывают сезонные требования продукта. Fransoo, Sridharan, и Бертран [9] описывают такой ситуации, с которыми сталкивается производитель стеклянной тары, а также представить иерархическую планирования и составления расписаний системы для обеспечения координации между производством и реализацией для эффективной обработки избыточного спроса. Fransoo и Sridharan [8] сообщается успешного применения вышеуказанной системы для розлива напитков компании в Нидерландах.

Мы рассмотрели конкретные фирмы, работающие в среде, в которой рынок для своей продукции на ее пик в начале планового периода, неуклонно снижение с течением времени, и достигает 0 в конце горизонта. Такие условия, как правило, с которыми сталкиваются производители многих краткосрочных жизненного цикла (или сезонный) продукты, такие как высокая модной одежды [6]. Рассмотрим, например, фирма, которая делает летней одежды в течение части года, и во время зимней одежды с другой стороны. Фирмы, как правило, получают заказы на летнюю одежду в определенные месяцы в году должно быть построено на следующее лето. Очевидно, что в начале этого "заказа" сезон, спрос находится на пике. Чем больше проходит времени, заказы принимаются и согласились ни с одной фирмой или ее конкурентов. Таким образом, спрос постоянно снижение до конца сезона заказа, при котором время не существует нереализованный спрос. Если совокупный спрос, как ожидается, превысит имеющиеся возможности, менеджер должен выборочно отвергать заказы (преимущественно для нижних продукции приоритет), в надежде, что дополнительные заказы на выпуск продукции более высокого приоритета будут получены в более поздний период. Отметим, что если фирма отказывается от заказа, заказ будет принято конкурента и, следовательно, будут потеряны.

Для большей ясности, мы делаем следующие упрощения, хотя и реалистично, предположений. Мы предполагаем, что фирмы могут группе свою продукцию в различные классы приоритетов. На практике такие приоритеты могут быть получены с использованием нескольких критериев, таких как ежегодный объем продаж продукта, его предельный вклад прибыли, долгосрочный характер ассоциации клиентов с фирмой, или любой из выше. Принимая во внимание предварительный характер настоящего исследования, мы предполагаем, что Есть только два приоритетных классов, которые мы будем называть класса А и класса B на оставшуюся часть этой статьи. Кроме того, мы предполагаем, без потери общности, что все заказы могут быть выражены в терминах потенциала подразделений и этот класс B дает более высокую прибыль вклад на единицу мощности, чем класс А. Как уже говорилось выше, мы предполагаем, что фирма получает заказы на и В (например, два вида летняя одежда) по единой фиксированной, горизонт планирования, и либо принимает или отклоняет каждый заказ при его поступлении на основе нормирования политики. Наконец, мы предполагаем, что фирма не может принять частичных порядков, и должны принять или отклонить каждого заказа в полном объеме.

Эффективности деятельности по укреплению карточной системы, по сравнению с базовой, где нет возможности нормирование осуществляется, исследуется следующие показатели: общая прибыль, скорость заполнения каждого продукта класса (измеряемая как отношение количества спроса принято количества, полученного ), а общий уровень использования мощностей. Кроме того, полезность потенциала нормирования рассматривается в рамках широкого спектра условий, характеризуется изменениями в соотношении прибыль на единицу вклада и B, соотношение общего объема имеющихся мощностей ожидаемого общего спроса, соотношение ожидаемых требований между 2 классов, а также изменчивости спроса на каждый продукт класса.

ПОТЕНЦИАЛ пайков

Потенциала нормирования проблемы было уделено значительное внимание в литературе сервисных операций [14], особенно в контексте управления доходами в авиационной промышленности и гостиницы [3] [4] [23]. Авиакомпания определить управления доходами, как "максимальных доходов от продажи пассажирских мест правой права клиентов по правильной цене" [23, стр. 8]. Хотя общий объем спроса, не может превышать потенциал в этих сценариях, эффективного управленческого потенциала имеет решающее значение для успеха этих отраслей с ценовой чувствительности имеющихся возможностей (например, авиакомпании место) уменьшается со временем, то есть пассажиры готовы платить более высокую Тариф по мере приближения времени вылета рейса. Доходность управления исследования были сосредоточены на множество вариантов, начиная от цен (например, в определении того, что тариф для зарядки, в какое время), с распределением пропускной способности (например, определить, сколько места выделить для каждой тариф класс). Weatherford и телесных [27] предлагают термин "скоропортящихся управления доходами от активов (ПАРМ)" в качестве замены для управления доходами, обеспечить детальную классификацию ПАРМ проблемы, а также представить краткий обзор различных типов задач, которые были решены в этом поля.

Цель потенциала нормирования проблемы в компании делают на заказ изготовления аналогична ПАРМ проблем. Обе эти проблемы пытаются выделить известного количества активов (т.е. теряет свою стоимость на конец горизонта планирования) на требования различных классов в целях максимизации общей прибыли. Тем не менее, некоторые ключевые особенности отличают два сценария проблемы. Во-первых, большинство ПАРМ исследований в литературе (например, [3], [4] и [21]) считают, что спрос на различные классы происходят на различные периоды времени. Например, авиакомпании обычно установить конечный срок (обычно от 14 до 21 дней до вылета), после чего спрос на более низкий тариф класса больше не принимаются. Это означает, что нет никакого дублирования порядка прибытия между тарифом класса, и перевозчик не имеет возможности удовлетворить спрос на более низкий тариф класс один раз он был закрыт из дальнейшего рассмотрения. С другой стороны, в нашей задаче сценария, требует для обоих классов происходит одновременно во всем горизонте планирования, и фирма должна принять или отклонить каждого заказа после его получения. Отметим, что в то время как фирма не имеет право отклонять для того, чтобы класс, а затем принимать том же порядке, в более поздний период, фирма может принять другой порядок для этого класса в более поздний период ..

Во-вторых, большинство исследований ПАРМ предположить, что спрос распределения для всех классов являются стационарными, то есть, они не изменяются с течением времени. Как отмечалось ранее, в нашей задаче окружающей среды, уровень спроса каждого класса, снижение с течением времени, и достигает 0 на конец горизонта планирования. В-третьих, значительная часть исследований ПАРМ сосредоточиться на задачах, в которых чувствительности к цене продукта изменяется с течением времени, либо в уменьшении образом (например, авиакомпании или отеля отраслей) или в большей мере (например, высокотехнологичные товары) [27] . С другой стороны, в то время как два класса продукта конкурировать за тот же ресурс (мощности) в нашей задаче сценария, их предполагаемая ценность ресурса не шанс со временем.

Наконец, ПАРМ исследования как правило, не заботиться о последовательности, в которой индивидуальные заказы будут получены. Поскольку эти исследования предположить неперекрывающихся спроса прибывших между классами, их нужно рассматривать только совокупный спрос получил для каждого класса, и соотношение потенциала соответственно. Тем не менее, в нашей задаче окружающей среды, дублирующий характер спроса прибывших между двумя классами составляет последовательность этих прибывших очень важно. Например, если основная часть заказов происходит в начале горизонт, их отказ в надежде, что заказы на B будет происходить в более поздний период, может привести к фирме останется неиспользованный потенциал в конце планирования горизонт, тем самым уменьшая прибыль. Хотя Brumelle, Макгилл, Ум, Sawaki и Третеуэй [4] привести моделирования исследовании Titze и Griesshaber [25] утверждают, что спрос прибывших дублирования между классами, не повлияет на правила распределения пропускной способности (по сравнению с неперекрывающихся прилет), Weatherford и Телесные [27], говорят, в противном случае, и сделать вывод, что правила распределения меняется по этому сценарию.

Ясно, что фирма всегда будут принимать для того, чтобы B тех пор, пока незанятое имеющихся возможностей вполне достаточно. Это эквивалентно вложенности политики обычно используется авиакомпаниями, где места, выделяемых на более низкий тариф будет всегда доступна для пассажирских готовы платить более высокого тарифа. Таким образом, решение принять или отклонить порядок возникает только тогда, когда фирма получает заказ на А. Следовательно, цель потенциала нормирования является определение оптимального количества возможностей, которые должны быть зарезервированы для класса B, каждый раз она получает Для класса А. Тогда, если размер текущего Для превышает безоговорочное часть мощности, фирма должна отвергнуть этот порядок.

Сначала определим следующие обозначения для использования в остальной части данного документа:

Мы предполагаем, на данный момент, что вероятность распределения общего требования к югу X ^ В ^ и X ^ ^ к югу Bt известны в каждом периоде Т. В следующем разделе мы рассмотрим, как эти распределения вероятностей могут быть определены в практических назначениях, а также показать, как способность нормирование может быть реализован, даже если эти распределения неизвестны.

Если для того, чтобы поступает в период т, мы оцениваем компромиссы в выборе оптимального значения R ^ ^ т к югу, используя анализ дерева решений, который основан на модели, описанной в Пфейфер [21] для авиакомпаний Проблема распределения мест. Однако, в отличие от авиакомпаний модель, которая предполагает неперекрывающихся прибывших спроса между классами (и, следовательно, рассматриваются только на следующий приезд в оценке торгово-офф), мы проанализировали общая сумма заказов для обоих классов периодов т, Т. дерева решений , показанный на рисунке 1, сравнивает ожидаемые прибыли, полученной путем резервирования R ^ T ^ югу единиц потенциала для B в период т, что получены путем резервирования R ^ югу T ^ 1 единиц мощности. Выигрыш в конце каждого варианта приведены ожидаемые прибыли, полученной между периодами т и т для этого альтернативного варианта. На рисунке 2 ветви сравнения X ^ ^ к югу Bt с R ^ ^ т к югу, не отображаются в случае, когда X ^ ^ На югу

Отметим, что, хотя нормированное количество R ^ T ^ югу будут пересчитаны, когда следующей целью получения для, выше анализ предполагает, что R ^ ^ т к югу, по сути между периодами т и т, при расчете ожидаемой прибыли для каждого варианта . В этой связи, к югу R ^ T ^, используемый в наш анализ "статический". Тем не менее, "продвинутые" в том, что на основе обновленных распределение вероятностей для пока еще нереализованный спрос на B периодов т, Т. Как отмечается в Weatherford и телесных [27], такие продвинутые правила нормирования лучше, чем простой статический Правила, которые исправить нормированное количество раз и никогда не изменить его с учетом спроса обновление информации. Авторы также отмечают, что по-настоящему динамический нормирования правило не имеет замкнутого решения форме.

Дерево решений на рис теперь я могу быть использованы для расчета разницы в ожидаемой прибыли между двумя нормированное количество, просто вычитая соответствующие выплаты по отраслевой на основе отделение. Этот результат представлен на рисунке 2.

Крупнейший R ^ ^ т к югу, для которых ожидается прибыль в R югу ^ г ^ л меньше, чем на R югу ^ г ^, гарантии локального максимума ожидаемой прибыли [21]. На рисунке 2, дополнительные ожидаемая прибыль Delta ^ ^ т к югу, полученные нормирования R ^ югу T ^ 1, а не к югу R ^ Т ^:

Реорганизация (1), Delta,> = 0 до тех пор, как P ^ югу Bt ^> = P ^ ^ к югу, / P ^ B ^ к югу. Таким образом, оптимальная величина нормированных, что дает локальный максимум ожидаемой прибыли между периодами т и т является крупнейшим R ^ югу т ^, при котором:

На основе этого анализа, создание нормирование может быть реализован следующим образом. Предположим, что фирма получает заказ на период Т, то:

1. Если заказ имеет размер S югу ^ ^ Bt для класса B, то:

А. Если S ^ ^ к югу Bt

B. Остальное, отказаться от заказа из-за нехватки мощностей.

2. Если заказ имеет размер S югу ^ ^ В для класса, то:

А. Использование распределение вероятностей X югу ^ ^ Bt установить нормированное количество R ^ T ^ югу до максимального значения (= R ^ ^ к югу т)> = P ^ югу ^ / P ^ югу B ^

B. Если S ^ ^ На югу

Остальное, отказаться от заказа из-за отсутствия unrationed имеющихся мощностей.

Отметим, что R ^ югу T ^ зависит только от соотношения прибыль на единицу вклада и B, а вероятность распределения общего спроса на B между периодами т и T. В (2), если P ^ югу ^ / P ^ югу B ^ равен единице, к югу R ^ T ^ будет равна спрос на B, которые будут реализованы с достоверностью (в вероятностной окружающей среды, это, как правило, равна нулю). С другой стороны, как P ^ югу ^ / P ^ югу B ^ стремится к нулю, практически все имеющиеся мощности будут зарезервированы для B. Интересно отметить, что даже с учетом различий отмечено ранее между нашими проблемы и типичные проблемы ПАРМ , эта способность нормирование политики аналогично, разработанные рядом авторов (например, [2] и [16]) для версии этой задачи.

Распределение вероятностей X югу ^ ^ Bt может, в реальной настройки быть обновлена (в период т) на основе ряда параметров, таких как: (1) т текущего периода, если скорость, с которой приходят заказы для каждого класса изменяется со временем; (2) общая сумма заказов принимаются B на сегодняшний день, если клиенты считают эту информацию при принятии решения о размере их будущих заказов, и (3) общий спрос на форумах, полученные на сегодняшний день, если спрос распределения А и В являются зависимыми. Таким образом, хотя отношение к югу P ^ ^ / P ^ югу B ^ не меняется в течение горизонта планирования, нормированное количество R ^ т ^ к югу, будет меняться с течением времени. Как отмечается в Weatherford и телесных [27], действительно "динамических" политика также предполагает, что отношение меняется со временем.

В следующем разделе мы рассмотрим, как распределение вероятностей X югу ^ ^ Bt могут быть определены по определенному сценарию, задачи, а также показать, как R ^ югу T ^ могут быть вычислены в случаях, когда точная форма этого распределения, неизвестно.

РАСПРЕДЕЛЕНИЕ ВСЕХ ТОВАРОВ ТРЕБУЕТ

Совокупного спроса, полученные за B периодов т и т можно рассматривать как состоящий из двух отдельных компонентов: (1) количество заказов, полученных в этом интервале времени, и (2) размеры по индивидуальным заказам. Так как эти параметры будут случайных величин в практических установка, общий спрос представляет собой смесь, то есть случайные суммы случайных величин. Таким образом, X ^ ^ к югу Bt, может быть выражена следующим образом: где Y ^ ^ Bi к югу. и N являются случайными величинами порядка обозначающие размеры и количество заказов, [1], соответственно. Распределение X ^ ^ Bt, F (X ^ ^ к югу Bt), называется составной распределение и распределение N, G (N), называется рецептуры распределения [20]. Если / (X ^ ^ к югу Bt) и G (N) не зависят [18], то: где E (.) И V (.) Обозначает математическое ожидание и дисперсия, соответственно. Заметим, что (5) не берет на себя конкретные формы F (X ^ ^ к югу Bt), хотя при определенных условиях, это может быть возможным, чтобы получить его точная функция плотности вероятности (PDF).

В данной работе мы ориентируемся на конкретные сценарии проблема, которая удовлетворяет следующим предположений, которые позволяют определить точное PDF Х югу ^ ^ Bt. Во-первых, мы предполагаем, что спрос распределения и B являются независимыми и, следовательно, общий спрос на B в заданном интервале времени не зависит от спроса на на том же отрезке. Это разумное предположение, поскольку А и В, в то время как конкурирующие на тот же потенциал, могут выполнять две различные сегменты рынка, которые не имеют отношения друг с другом. Во-вторых, мы полагаем, что для скорости (например, среднее количество заказов в определенный промежуток времени) либо классу зависит от периода, т, но не по приказу, уже получил для этого класса. Это тоже разумное предположение, особенно если требования в настоящее время порождается рядом различных заказчиков. В-третьих, мы предполагаем, что распределение размера заказа для любого класса находится в неподвижном состоянии и имеет нормальное распределение со средним (MU) ^ ^ я к югу, и разница Sigma ^ SUP 2 ^ ^ ^ к югу я, я = A, B.

Как уже говорилось выше, охраны окружающей среды моделируется в данной работе, таким образом, чтобы ставка для обоих классов время вариант. То есть, в начале планового периода, когда существует большое количество нерешенных спроса для обоих классов, для высоки. Чем больше проходит времени, нереализованный спрос снижение постоянно до тех пор, в период T, порядок, равную 0 для обоих классов. В соответствии с этим аргументом, мы предполагаем, что число заказов на классе между периодами я т и т, распределенных Пуассона со средним значением лямбда-^ ^ к югу она (я = A, B), где лямбда-^ ^ к югу он, уменьшается срок т подходы Т. Следовательно, время между последовательными заказов для класса я распределено по экспоненциальному закону со средним 1/lambda ^ ^ к югу он который увеличивается период / приближается к концу горизонта планирования.

Совокупного спроса X ^ ^ к югу Bt B для периодов т и т, следовательно, представляет собой сумму N югу ^ ^ Bt одинаково и независимо распределенных нормальных случайных величин, где N ^ ^ к югу Bt Пуассону со средним распределенных Lambda ^ югу Bt ^ From Das [5], точная форма F (X ^ ^ к югу Bt) при 0

Использование параметров тета-^ ^ к югу Bt, конкретных вероятностей, связанных с X югу ^ ^ Bt, может быть определена и, следовательно, нормирование политику, разработанную ранее могут быть легко реализованы следующим образом. В соответствии с (2) и основанные на свойствах экспоненциального распределения, нормированное количество R ^ ^ т к югу (в момент времени т) рассчитывается следующим образом:

Отметим, что при использовании (6) и (7), чтобы установить нормированное количество, мы неявно предполагаем, что лямбда-^ ^ к югу Bt действует с периодами Т через Т. Однако, как отмечалось ранее, лямбда-^ ^ к югу Bt постоянно снижение с течением времени, и R ^ T ^ югу пересчитывается в следующий раз, оно поступило в А. Таким образом, значение лямбда-^ ^ к югу Bt использоваться в (6) будет переоценки истинной скорости порядка между периодами Т и Т. Для исправления Для этого мы заменить лямбда-^ ^ к югу Bt в

(6), (caretted лямбда) ^ ^ к югу Bt среднем порядка темпы B в периоды т (при текущей Для того, чтобы не было получено), и т "= (T ^ 1/lambda югу В ^), когда следующем порядке как ожидается, будет получено для А. Таким образом, мы получим:

Хэдли и Уайтин [10] определить точный вид соединения распределения для некоторых других комбинаций объем заказов и распределения для скорости. Например, если размер заказа является распределенной Пуассона со средним значением лямбда, а время между последовательными заказов следует гамма-распределение с параметрами, альфа и бета, общий спрос на X следующим отрицательного биномиального распределения, PDF определяется по формуле:

В дальнейшем мы опишем вычислительных экспериментов, проведенных по расследованию эффективности деятельности по укреплению карточной используя точные формы F (X ^ ^ к югу Bt), описанной выше. Мы также обсудим, как это эффективность может повлиять несколько факторов, которые могли бы повлиять на определение нормированное количество в практических условиях.

Вычислительные эксперименты

В соответствии с нашей целью изучения эффективности деятельности по укреплению карточной системы, мы непосредственно сравнить их эффективности на 4-мер общая прибыль, заполнить скорость (измеряемая как отношение количества спроса принято количество получил), скорость заполнения сцены из B , а общий мощностей к базовой, где нет нормирование осуществляется. Очевидно, что базовый вариант будет использовать первый пришел-первый обслужен политики, а заказы на А и Б будут приниматься по мере их поступления, пока все имеющиеся возможности были выделены.

Так как нормирование политики зависит от соотношения P ^ югу ^ / P ^ B ^ к югу и распределения вероятностей от общего объема спроса к югу X ^ ^ для Bt B, его работы будут затронуты несколько факторов, определяющих спрос для обоих классов. Таким образом, мы сначала рассмотрим шесть факторов, которые применяются в наших вычислительных экспериментов, а также объяснить, почему каждый фактор заслуживает изучения.

Выбор модели факторов и их экспериментальные значения

Первый фактор, который рассматривался альфа, отношение прибыли взносов на единицу мощности, выделяемых на B, что по сравнению с, то есть,

Предположение о том, что B является более выгодным класса приводит к выбору альфа значений, превышающих единицу. Из (7), то ясно, что больше возможностей будет зарезервировано для B альфа увеличивается.

Второй фактор, который рассматривался бета, соотношение общего объема имеющихся возможностей ожидаемого совокупного спроса для обоих классов, то есть, если Т = 0 означает начало горизонта планирования, а затем

где C ^ югу 0 = Суммарная установленная мощность.

Отметим, что, поскольку отражает лишь бета-версия ожидается совокупного спроса, реальный совокупный спрос может превысить (или меньше) это соотношение. В нашем анализе мы предполагаем, что общая установленная мощность C ^ югу 0 ^ известно, и что, исходя из прошлых данных о рынке фирмы, менеджер информацию об ожидаемом общего спроса на продукт классов, горизонт планирования. Эти предположения реалистичным, поскольку на практике такая информация, как правило, быть доступными. Хотя конкретные условия задачи, исследованной в работе приведет нас к рассматривать только те значения бета меньше единицы, мы также изучаем поведение потенциала нормирования, когда бета превышает единицу. В идеале, если мощность превышает спрос, емкость нормирования должны иметь никакого влияния на прибыль, поскольку все требования будут приняты как политику.

Далее, мы фокусируемся на том, как ожидается общий спрос распределяется между классами А и B. ожидается общий спрос на B может быть выше (ниже), что по ряду причин: (1) B имеет больший (меньший) среднего порядка размер; (два) B имеет более высокий (более низкие) средние скорости порядка, или обоих. Мы моделируем эти вопросы, используя два фактора, гамма-и дельта. Коэффициент гамма обозначает соотношение среднего размера для того, чтобы B, как и для А. Как уже отмечалось, для размеров для обоих классов, как предполагается, будут распределены нормально со времени инвариантной средств (MU) ^ ^ я к югу, и разницы Sigma ^ SUP 2 ^ ^ к югу я ^ = A, B. Таким образом,

Коэффициент дельта обозначает соотношение средней скорости порядка В к А. Напомним, что порядок скорость каждого класса начинается на своем пике, с течением времени уменьшается и становится 0 на период T. Будем считать, что для ставок в секторе классы линейно уменьшаться со временем. Таким образом, соотношение дельта будет иметь то же значение в любой период Т. Как отмечалось ранее, для скорости обоих классов предполагается распределенными Пуассона со средним значением лямбда-^ ^ к югу это, я = A, B, в период t. Таким образом, в любой период t.

Пусть лямбда (overscore) ^ ^ к югу я Обозначим средний показатель для класса I, I = A, B, в течение всего горизонта планирования (например, лямбда (overscore) ^ ^ к югу я это среднее значение всех средних показателей порядка между периоды 0 и T, для класса т). Ожидается совокупного спроса для обоих классов на горизонте может быть выражена следующим образом:

Как следует из предположения, что для уменьшения ставки линейно со временем, что начальная скорость порядка (при Т = 0) для класса I (I = A, B), а также порядок скорости конкретным периодом Т может быть рассчитана как:

Последние два фактора, CV ^ ^ к югу и к югу CV ^ B ^ обозначают, соответственно, коэффициенты вариации распределения порядка размеров для классов А и B, а также служат для измерения эффекта изменчивости размеров порядка 2 классов об исполнении потенциала нормирования, то есть,

Нормирование политики кодируется в FORTRAN и осуществляется на основе 486 персонального компьютера. Чтобы проиллюстрировать конкретные шаги, связанные с применением потенциала нормами для данной последовательности заказов на А и В, Приложение B представляет собой простой числовой пример подробно расчеты для задачи с определенными значениями факторной модели. В наших вычислительных экспериментов, значения шесть факторов модели в широком диапазоне для проверки их влияния на производительность потенциала нормирования. Коэффициент рентабельности вклад альфа варьируется на уровне от 1,0 (т. е. как продукт класса в равной степени выгодно) до 3,0 (т. е. B является значительно более выгодным, чем). Ожидается совокупного спроса варьируется на уровне от 80% от номинальной мощности (бета = 1,25) до высокого уровня 200% от номинальной мощности (бета = 0,5). Коэффициент гамма имеет значение 0,5, 1,0 или 1,5, означающее низкий, средний или высокий коэффициент, соответственно, между средним размером для того, чтобы B к A. Отношение dalta также устанавливается таким же образом со значениями 0,5, 1,0 , а 1,5. Коэффициент вариации CV ^ ^ к югу и к югу CV ^ B ^ Каждая значение 0,2 и 0,5 обозначающие, соответственно, относительно низкой и высокой изменчивости в целях размеров.

Длина горизонта планирования (T) устанавливается в периоды 1000, так как экспериментальные тесты показали, что система статистики стабилизировать T приближается к этому значению. Прибыли вклад на единицу мощности, выделяемых на A (P ^ ^ к югу), устанавливается единство, и P ^ югу B ^ вычисляется коэффициент альфа. Общий объем имеющихся возможностей зафиксирована на уровне 50 единиц на период (50 000 единиц больше, чем горизонт планирования), а также бета-коэффициент затем используется для вычисления ожидаемого общего спроса на обоих классов. Средний размер для того, чтобы A ((мю) ^ ^ к югу) является фиксированной на 100 единиц мощности, и (мю) ^ к югу B ^ рассчитывается коэффициент гамма-излучения. Стандартные отклонения сигма-^ ^ к югу и к югу Sigma ^ B ^ затем рассчитывается CV ^ ^ к югу и к югу CV ^ ^ B, соответственно.

Начальные скорости порядка лямбда-^ ^ к югу A0 и лямбда-^ ^ к югу B0, для классов А и B, соответственно, первое определяется с помощью (16) в (18). Затем, определенной последовательности заказов для каждого класса формируются следующим образом. Прибытия период первого для того, чтобы, т ^ ^ к югу A1, генерируется случайным использованием экспоненциального распределения со средним 1/lambda ^ ^ A0 к югу, и размер этого порядка изъятая с нормальным распределением со средним значением (MU) ^ ^ к югу и дисперсии Sigma ^ SUP 2 ^ ^ ^ к югу. Для скорости в период T ^ ^ к югу A1, рассчитывается, как показано в (18), а срок прибытия и размеры для того, чтобы следующий определяются как указано выше. Все заказы на (до периода T) определяются аналогичным образом. Вся процедура повторяется для генерации последовательности заказов на B. два потока заказов (А и B) сливаются и сортировки, основанные на времени прибытия, чтобы создать единую объединенную последовательности заказов для обоих классов.

Все заказы, полученные в течение горизонта планирования в настоящее время рассматриваются в последовательности, сначала с использованием не-карточной политики, а затем использовать возможности нормирования. В не-карточной политики, заказы принимаются по мере их поступления, при условии достаточного потенциала незанятого доступна. Под потенциала нормирования, заказы на B рассматриваются аналогичным образом. Однако, когда заказ будет получен за, нынешний нормированное количество определяется, а заказ принимается только при наличии достаточных unrationed потенциал не используется. После того как все заказы были рассмотрены с использованием как политики, увеличение в процентах получить мощностью нормирования, по сравнению с не-карточной политики, рассчитывается для каждого из следующих показателей деятельности: общая прибыль (PROFINC), скорость заполнения (FAIC) , скорость заполнения сцены из B (FBINC), а общий уровень использования мощностей (CAPINC). Для каждого сочетания факторов значений изучается, 30 репликации (в каждой из различных случайных числа семян) выполняются.

Обсуждение результатов эксперимента

Результаты приведены в таблицах 1, a (альфа = 1,5), 1B (альфа = 2,0) и 1С (альфа = 2,5) для отдельных комбинаций факторов экспериментальных альфа, бета, гамма и дельта. Таблице не приведены результаты отдельно для коэффициентов вариации (CV ^ ^ к югу и к югу CV ^ B ^), так как тщательный анализ результатов показывает, что масштабы их воздействия невелика по всем показатели. Например, когда альфа установлен на уровне 1,50, а также бета-, гамма-и дельта каждый из установлена на уровне 0,50, PROFINC колеблется от 6,95% до 7,14% для различных сочетаний CV ^ ^ к югу и к югу CV ^ B ^ значения изучены.

Для каждого сочетания факторов, альфа-, бета-, гамма-и дельта, таблицы показывают среднем (исходя из 120 наблюдений, 30 репликаций для каждого из четырех комбинаций CV ^ ^ к югу и к югу CV ^ B ^ значения) процентное увеличение получить мощностью нормирование по каждому из 4 показатели определены выше.

Обсудим сначала производительности потенциала нормирование в двух крайних ситуаций, связанных с имеющихся возможностей: (1) способность крайне жесткие (например, бета равна 0,5) и (2) потенциал находится в свободном доступе (например, бета равна 1,25). На практике, менеджер будет мало нужно для нормирования в любой ситуации, поскольку, как указано ниже, соответствующие направления деятельности просты и несколько очевидна. Мы изучаем эти случаи, однако, чтобы проверить, насколько потенциал нормирования ведет себя правильно в таких экстремальных ситуациях.

Когда бета = 0,5, острой нехватки имеющихся мощностей приведет к возможности нормирования резервировать значительную часть потенциала для B. Это дает значительное увеличение прибыли, по сравнению с не-карточной политики, поскольку многие заказы на B теперь может будет принято, за счет A. Ясно, что это приведет к существенному снижению скорости заполнения (следует отметить, что после заполнения скорость будет уменьшаться в результате потенциала нормирования и таблицах Значение процентного увеличения, FAINC значения в таблицах а, б и жидкокристаллическим отрицательные), и соответствующее увеличение скорости заполнения В. Как видно из таблицы (см. статьи с бета = 0,5), емкость нормирования ведет себя соответственно, в результате чего средняя PROFINC почти 24%. Оба политика эффективного использования имеющегося потенциала, хотя мощностей может быть несколько иной, поскольку частичных порядков не может быть принято в нашей задаче окружающей среды. Создание нормирования достигает этого уровня за счет повышения PROFINC скорость заполнения Б среднем более чем на 81% и сокращение скорость заполнения сцены в среднем около 71%. Кроме того, при общей потребности в B очень высока по сравнению с (высокие значения гамма и дельта), емкость нормирование в ответ, отвергая все заказы, и выделение всего имеющегося потенциала для B.

Отметим, что на практике реализация такой ответ может быть запрещена по назначению минимальный уровень услуг для А. Кроме того, если компания так серьезно ограничиваются возможности, более разумным действий могут изучить варианты увеличение установленной мощности на постоянной основе, либо путем расширения существующего объекта или создания нового объекта ..

Когда бета = 1,25, имеющиеся возможности больше ожидаемого совокупного спроса, и нет необходимости наращивания нормирования. Оба политика сможет поглотить весь объем спроса и, следовательно, возможности нормирования не повлечет за собой каких-либо улучшений в показателях деятельности. Как видно из таблицы, результаты, как ожидается, запрета в случае, когда Таблица Ic и гамма-и дельта равный 1,5. Основанием для этого исключения показывает возможные слепого пятна в нынешней политики нормирования в конкретных ситуациях, в каком качестве не туго, и как вклад прибыль на единицу продукции и ожидаемый совокупный спрос на B, очень высоки, по сравнению с А. При таких весьма благоприятные условия для B, нормирование политики в преддверии значительно более высокий потенциал прибыли от B, как правило, зарезервировать слишком много возможностей для заказов для B. Таким образом, отклонена, особенно на ранних горизонта, и в результате иногда может быть недостаточным использованием потенциала, приводит к эрозии прибыли (здесь следует отметить, что после Таблицы а, б и жидкокристаллическим настоящего значения для увеличения мощностей, недостаточное использование потенциала из-за возможности нормирования будет отображаться как отрицательное значение CAPINC). В данном случае в таблице 1, c (бета = 1,25, gamma1.5 и дельта = 1,5), поскольку возможности не туго, не-карточной политике в состоянии принять все требования для обоих классов.

Нормирование политики, с другой стороны, отвергает какие-то приказания для класса, в результате чего его скорость заполнения снизится на 4,65%. Когда ожидается дополнительный спрос на B не может материализоваться, то результат будет недоиспользования потенциала (CAPINC = -1,26%) и, следовательно, сокращение прибыли (PROFINC = -0,59%), по сравнению с не-карточной политики. Как отмечается ниже, такие исключения происходить в различной степени, в других аналогичных ситуациях, когда существуют условия (т. е. способность не жесткой, а прибыль и спроса на B весьма благоприятным по сравнению с) ..

Установив, что потенциал нормирования ведет себя соответствующим образом в экстремальных ситуациях, мы сейчас сосредоточить внимание на тех случаях, когда потенциал, а несколько жестких (бета = 0,75 или 1,0 в таблицах), не является достаточно жесткой, чтобы оправдать строительство расширенных или новых объектов. Отметим, что даже в таких случаях, если емкость последовательно жесткой в каждом горизонте планирования, фирма может выбрать для изучения этих вариантов. Однако, как отмечалось ранее, мы рассмотрели конкретные проблемы окружающей среды, в которой такие возможности экономически нецелесообразно, и менеджер должен основывать все для отклонения решения исключительно на потенциал в настоящее время. Очевидно, что в таких ситуациях capacitated, решение принять или отклонить для того, чтобы не однозначна, и создание карточной поэтому быть самым важным для менеджера. Как видно из таблицы, нормирование дает исключительно положительные результаты в таких ситуациях. Например, для записи с бета = 0,75, средний диапазон от 2,37 PROFINC% до 17,40% по сравнению с не-карточной политики. Это увеличение прибыли сопровождается FAINC среднем около -32%, а средняя FBINC более 31%. Отметим, что, хотя увеличение скорости заполнения B является положительным результатом возможностей карточной системы, снижение в скорость заполнения может иметь негативные долгосрочные последствия для фирмы в условиях рынка класса продуктов.

Таким образом, фирма может выбрать устанавливать минимальный уровень обслуживания для каждого продукта класса, в этом случае нормирование политика должна быть изменена. Для записи с, бета = 1,0, потенциал не является серьезной проблемой и, следовательно, улучшение показателей деятельности в результате возможности нормирования гораздо менее заметным ..

Детальное изучение таблицы показывает следующее, за некоторыми исключениями, по причинам, отметил ранее. Во-первых, нормирование позволяет эффективно использовать имеющиеся возможности, и результаты практически совпадают использования производственных мощностей, как не-карточной политики, для большинства комбинаций факторов ценности. Во-вторых, когда три из факторов, устанавливаются на определенные суммы, и четвертая разнообразны, повышение прибыли в результате нормирования обычно возрастает по мере увеличения альфа-(B становится все более привлекательным по отношению к), бета уменьшается (у нас появится возможность более жесткие) и гамма-и дельта-, или оба, увеличение (общий спрос на B увеличивается по отношению к A). В-третьих, кроме случаев, оговоренных выше, лишь в нескольких избирательных комбинаций факторов ценностей и даже в этих случаях, нормирование приводит только к незначительному уменьшению прибыли, по сравнению с не-нормирования. По большей части, нормирование превосходит не-карточной политики и, как правило приводит к значительным увеличением прибыли.

Для иллюстрации возможностей выполнения нормирования дальше, мы теперь представить более подробный анализ (с использованием широкого спектра альфа при значениях) в диапазоне бета-версии, в которой, как отмечалось выше, нормирование может быть самым важным для менеджера. Результаты показаны на рис 3 (для PROFINC), рис 4 (для FAINC), а на рисунке 5 (для FBINC), для конкретной комбинации гамма-и дельта-значений, а именно, дельта-гамма = = 0,5, дельта-гамма = = 1,0 и гамма дельта = = 1,5, которые обозначают, соответственно, гораздо меньше, равны, и значительно выше ожидаемого общего спроса на класс B по отношению к А. Другие комбинации гамма-и дельта значения означают ситуации в этих крайностей и, следовательно, здесь не описан . По тем же причинам как и прежде, для каждой комбинации альфа, бета, гамма, дельта и ценностей, цифры средние по четыре комбинации CV ^ ^ к югу и к югу CV ^ B ^ ценностей.

Рисунок 3 показывает, несколько замечаний. Во-первых, когда два класса имеют равные взносы прибыль на единицу продукции (альфа = 1,0), дает возможность нормирования же прибыль, как не-карточной политики, поскольку нормированное количество будет равен 0 (как отмечалось ранее). Во-вторых, как и прежде, PROFINC получены нормирования обычно возрастает по мере увеличения, бета уменьшается, а гамма-и дельта, или оба, увеличится. В-третьих, как имеющийся потенциал увеличивается по сравнению с ожидаемым общего спроса, PROFINC сходится к 0. Интересно отметить, что значение бета, мощность которого нормирования дает ту же прибыль, как не-карточной политике превышает единицу. Это происходит, так как бета-версия исправляет только ожидаемые совокупного спроса с учетом потенциала и, следовательно, реальный спрос может превысить мощность, даже если бета равна единице. Однако, как и следовало ожидать, как бета подходов 1,1 (что означает 10% избыточных мощностей), нормирование дает никаких улучшений в прибыли по сравнению с не-карточной политики.

Когда ожидается общий спрос на B значительно меньше, чем для (дельта гамма = = 0,5), емкость нормирования никогда не выполняет хуже, чем не-карточной политики и, по сути, приводит к заметному повышению прибыли, когда возможности очень мало. Несколько иная картина, однако, возникает, когда гамма-и дельта устанавливаются на 1,0 и 1,5. В таких случаях, когда потенциал является жесткой, наблюдается заметное увеличение прибыли в результате нормирования. Но, как соотношение между производительностью и увеличения спроса, нет-карточной политике в состоянии принять большинство (если не все) из спроса, и очевидной слепое пятно в текущем нормирования поверхностей политики. Как указывалось выше, этот недостаток иногда приводит к снижению прибыли (по сравнению с не-карточной политики) из-за использования при мощности. Поэтому, например, кривая альфа = 3,0, что выше по альфа = 1,8 при низких значений бета-версии; бета увеличивает эти кривые пересекаются, и их позиции поменялись местами. Отметим, что даже в таких случаях, как бета дальнейшем увеличении производительности потенциала нормирования улучшается, наконец, приносит прибыль, как же не-карточной политики. Аналогичные по использованию возможностей (в связи с "над нормирование") также происходит, когда высока в случае, когда гамма дельта = = 1,5, в результате чего PROFINC в таких случаях быть ниже, чем в соответствующем случае, когда дельта гамма = = 1,0. .

Рисунок 4 показывает, что ожидаемый совокупный спрос на B возрастает по (например, гамма-и дельта-увеличение) для данного набора альфа-и бета-ценностей, возможностей нормирования причин заполнить скорость заметно снижаться, достигнув 0% ( т. е. все заказы не принимаются, и FAINC = -100%) в некоторых случаях. Это является прямым результатом увеличения нормированное количество установленных потенциала нормирования отражает потенциал для заказов на B. Как и ожидалось, нормированное количество также увеличивается с альфа, в результате чего FAINC снижаться альфа увеличивается (для данного сочетания остальных параметров значения). Как показано на рисунке 3, эффект очевидный слепого пятна в нынешней политики рационирования можно увидеть (см., например, случай, когда бета = 1,2 и гамма-дельта = = L-5), что приводит к уменьшению скорости заполнения даже тогда, когда излишки общей мощностью не используется.

Наконец, на рисунке 5 показано соответствующее увеличение скорости заполнения B (по сравнению с не-карточной политики), а в результате возможности нормирования. Как и ожидалось, на данной комбинации других значений параметров, FBINC возрастает по мере увеличения альфа (так как больше возможностей нормируется), и уменьшается с увеличением бета-версии (в более общей мощностью доступна для не-карточной политики). Обратите внимание, что на рисунке 5, кривая для случая, когда альфа = 1,0 вдоль горизонтальной оси для всех бета-тестирования. Это связано с тем, что в данном случае, оба продукта одинаково привлекательны и нормирование не влияет на FBINC.

Кроме того, FBINC уменьшается по мере увеличения 0 0 и подходов, когда бета превышает 1,0. Это происходит, поскольку, как бета увеличивается, общий объем доступной повышает емкость и нормирования имеет лишь незначительное влияние, если таковые имеются. Если альфа = 1,4, класс B является несколько более привлекательным, чем класс и нормирование начинает оказывать воздействие как более доступных возможностей выделяется класс B. Таким образом, FBINC увеличивается. Однако, когда альфа очень высока (альфа> = 1.8) кривые совпадают, так как в этих случаях увеличение скорости заполнения B из-за карточной достигает своего предела (100%).

СТАТИСТИЧЕСКИЙ АНАЛИЗ

Для определения статистической значимости полученных в улучшение показателей деятельности в результате емкость карточек, мы проанализируем результаты экспериментов с помощью процедуры ANOVA. В ходе этого анализа факторов, альфа, бета, гамма, дельта и рассматриваются на трех уровнях: каждый, в то время как коэффициент вариации (CV ^ ^ к югу и к югу CV ^ B ^) рассматриваются на двух уровнях каждый. Соотношение взносов прибыль на единицу продукции, альфа, рассматривается на уровне 1,5, 2,0 и 2,5, обозначая с низким, средним и высоким предпочтение, соответственно, по сравнению с B А. соотношение бета рассматривается на уровне 0,5, 0,75 , и 1,0, что составляет весьма плотно прилегает к достаточно возможностей для удовлетворения ожидаемого общего объема спроса. При бета = 1,25, не включенные в этот анализ, поскольку на этом уровне, имеющиеся мощности более чем достаточно для удовлетворения ожидаемого общего объема спроса. Таким образом, практически все элементы таблицы 1а, 1b, а 1С не 0 для этого случая, и дальнейший анализ неинтересно. Соотношение среднего размера заказа (гамма), а для номера (дельта) каждый из множества на уровнях 0,5, 1,0 и 1,5, что означает низкий, средний и высокий уровень ожидаемого спроса, соответственно, по сравнению с B А. окончательного 2 факторов, к югу CV ^ ^ ^ и CV югу B ^, каждый из рассмотрены на уровнях 0,2 и 0,5 ..

Для каждой из 324 экспериментальных комбинаций, 30 репликаций (в каждой из различных случайных числа семян) выполняются, как описано выше, приносит в общей сложности 9720 замечаний по каждому политику-но-нормирование и нормирование потенциала. В ходе процедуры ANOVA, мы рассмотрим эти два политика раза "Политика" в двух уровнях, из которых соответствует одному не нормирования и других к созданию нормирования.

В нашем статистического анализа, мы будем игнорировать разницу в мощности между двумя политики, поскольку величина этой меры, как видно из Таблицы 1, a, 1b и 1с, чрезвычайно мало для почти всех комбинаций значений фактора consideredin большинстве случаев разница меньше , чем 0,5%. Таким образом, даже если эта мера является статистически значимым, он имеет малое практическое значение. Мы ограничиваем наше внимание на оставшиеся три производительности measuresPROFIT, FILL_A (заполнить скорость), а также FILL_B (заполнить скорости B)-каждый из которых отдельно проанализированы с помощью процедуры ANOVA. До интерпретации результатов ANOVA, необходимые диагностические проверки осуществляются с использованием стандартного графического анализа остатков для проверки однородности дисперсии ошибок. Остаточные участки нашли удовлетворительным. ANOVA результаты приведены в таблице 2, которая показывает, для каждой из основных факторов и двустороннего взаимодействия, F-отношения и соответствующие р-значения.

Рассмотрение результатов ANOVA показывает, что для каждого из трех мер, все основные и двустороннего взаимодействия эффектов, связанных факторов политики, альфа, бета, гамма, дельта и статистически значимы на уровне 1%. Так как наш основной интерес в исследовании воздействия на окружающую среду от различий в показатели деятельности за период 2 политику, в дальнейшем мы сосредоточим наше обсуждение эффекты взаимодействия между фактором политики и всех остальных факторов (а именно, альфа- , бета-, гамма-и дельта).

Подробный анализ F-отношения и средства для этих двух направлениях взаимодействия свидетельствуют о следующем. Что касается прибыли, емкость герметичности (измеряется коэффициент бета) является самым доминирующим фактором, влияющим на производительность изменения в результате возможности нормирования. Хотя эффект прибыль на единицу продукции взносов (измеряется коэффициент альфа) также доминирующим для получения прибыли, она имеет гораздо меньший эффект на скорость заполнения сцены. Что касается прибыли, то эффекты гамма-и дельта (измерение относительной ожидаемого общего спроса на два класса продуктов), как представляется, сравнительно небольшой, хотя и статистически значимым. Напротив, для FILL_A и FILL_B, влияние этих двух факторов значительно выше. Наконец, результаты, связанные с двусторонним взаимодействием факторов политики с CV ^ ^ к югу и к югу CV ^ B ^ носят смешанный характер. Хотя большинство из этих взаимодействий являются статистически значимыми, экспертиза F-отношения и взаимодействия средств показывает, что воздействие этих факторов (по сравнению с другими факторами) практически незначительным для всех трех показателей деятельности.

Воздействие CV югу ^ B ^ на прибыль значительно выше по сравнению с CV ^ ^ к югу. Рассмотрение результатов показывает, что прибыль увеличивается во всех случаях, когда CV ^ B ^ к югу увеличивается с 0,2 до 0,5 в то время как несколько уменьшается, когда CVA увеличен с 0,2 до 0,5. Воздействие CV ^ ^ к югу и к югу CV ^ B ^ на FILL_A FILL_B и, как представляется, такой же величины и во всех случаях как FILL_A FILL_B и уменьшаться, хотя и незначительно, а стоимость CV ^ ^ к югу или CV ^ B ^ югу увеличивается. Для всех трех показатели деятельности, взаимодействия (к югу alphaxCV ^ B ^) является значительной в то время как взаимодействие (к югу alphaxCV ^ ^) не является. Однако, как эффекты взаимодействия (betaxCV ^ ^ к югу) и (суб betaxCV ^ B ^) имеют значение для всех трех мероприятий. Эти результаты, как представляется, в связи с политикой не принимать частичных порядков.

В таблице 3 представлены 95% доверительный интервал для каждого показатели деятельности для каждого уровня фактора политики. Эти результаты показывают, что потенциал нормирование производит значительное увеличение в общем объеме прибыли, а скорость заполнения высшего класса прибыли (B) за счет значительного снижения скорость заполнения нижнего класса прибыли (A).

РЕЗЮМЕ И ВЫВОДЫ

В данной работе мы исследовали вопрос распределения пропускной способности, с которыми сталкиваются сделать по заказу фирм-производителей, которые ожидается общий спрос превышает имеющиеся возможности. Следовательно, некоторые из спрос должен быть отвергнут. В частности, мы смоделировали ситуацию, в которой производители краткосрочных жизненному циклу или сезонные продукты, такие как высокая модной одежды, где все произведение заказы, полученные в ходе единого фиксированного горизонта планирования. Рынка для каждого продукта считалось до пика в начале планового периода, неуклонно снижаться с течением времени, и достигать 0 в конце горизонта. Использование решения, основанного на теории подхода, мы создали возможности нормирования политику, которая позволяет таким фирмам различать два вида продукции (1 приносит более высокую прибыль вклад на единицу мощности, возложенную на нее по сравнению с другими), так что общая прибыль увеличивается по отношению к базовой, где нет нормирование осуществляется. Мы обсудили спроса распределения для обоих классов в той или иной промежуток времени, и пояснил, что подобные дистрибутивы могут быть определены на практике. Затем мы рассмотрели эффективности деятельности по укреплению нормирование в широком диапазоне условий характерны изменения в ряде факторов, таких, как соотношение прибыль на единицу продукции взносов из двух классов продукции, соотношение общего объема имеющихся мощностей ожидаемого общего спроса, соотношение ожидаемых требований между этими двумя классами, а также изменчивости спроса на каждый класс продукта ..

Результаты показывают, что потенциал нормирования увеличивает общую прибыль в таких условиях производства, вывод, который согласуется с ПАРМ [27] и управления доходами [3] [4] [21] [23] литературы. Экспериментальные результаты также показывают, что сумма увеличения прибыли во многом зависит от возможностей их герметичности. Увеличение прибыли является весьма значительным и статистически значимое для всех моделей факторы изучены. Мы также убедились в том, что потенциал нормирования ведет себя, как ожидалось в крайних случаях, что свидетельствует о внутренней обоснованности нормирования. Детальное изучение результаты эффективности для различных условиях, в которых менеджер, скорее всего, нуждаются в услугах потенциала показывает, что нормирование нормирование последовательно результаты повышения эффективности мер в сравнении с том случае, когда не осуществляется нормирование. Создание нормирование в этой связи может служить в качестве эффективного инструмента решения для руководителей сделать по заказу фирм-производителей, чтобы различия между отдельными категориями товаров или клиентов.

Исследования, описанные здесь, основаны на ряде предположений, релаксация, каждая из которых открывает ряд возможностей для дальнейшего исследования в области создания нормирования. Во-первых, в то время как в центре внимания исследования, из-за его предварительный характер, лишь на два класса продукта, нормирование может быть продлен более чем на два класса. Отметим, что в таких случаях, нормирование бы создать несколько нормированных величин - по одному для каждого класса с более высоким приоритетом, каждый раз получает заказ на более низкий приоритет класса. Во-вторых, хотя это исследование было посвящено среды, в которой все заказы, полученные в течение одного горизонта планирования не имеет возможности для проведения спроса, потенциала, или оба из одного горизонта в другой, будущие исследования могут рассмотреть несколько период случае. В таких случаях, это может быть возможным удовлетворить порядке в текущем периоде за счет выделения unrationed потенциала в обоих будущих периодов (с соответствующими санкциями опоздание) или более ранних периодов (с соответствующими затратами холдинга). В-третьих, это исследование предполагается линейная скорость снижения ставки, с тем с течением времени. Альтернативный порядок может быть резкое снижение ставки, чтобы в начале горизонта (как и многие заказы понял), относительно медленный спад в середине горизонте несколько размещения заказов, и вдруг рывок вверх, чтобы ставки по отношению к концу горизонта, в последний момент размещения заказов.

Наконец, нормирование увеличение прибыли, жертвуя об уровне обслуживания (например, скорость заполнения сцены) для более низкий приоритет класса. В некоторых средах, нормирование, возможно, придется изменить, чтобы гарантировать минимальный уровень услуг для каждого класса. Как уже отмечалось, есть недостатки в нынешней политики рационирования-тенденции его зарезервировать слишком много возможностей для более высокий приоритет, класс, за счет более низкий приоритет класса, когда возможности не жесткий и условия весьма благоприятны для более высокий приоритет класса. Совершенствование политики по ликвидации этого недостатка может стать предметом будущих исследований. В этой связи еще одно продление для этого исследования может стать разработка и сопоставление других нормирование политики к политике, разработанные в этой статье. [В редакцию: 12 апреля 1995. Принято: 13 октября 1995.].

* Мы благодарим ассоциированным редактором конструктивные замечания, которые помогли улучшить представление этого документа.

Ссылки

[1] Bagchi, U., Хайа, суд по делам малолетних,

[2] Belobaba, PP. Воздух спроса на поездки и авиакомпании место управления запасами. Докторская диссертация, Массачусетский технологический институт, Кембридж, MA, 1987.

[3] Brumelle, S.L.,

[5] Das, К. Явные формулы для объема заказа и порядок точки в некоторых задачах инвентаризации. Логистика Naval Research Quarterly, 1976, 23, 25-30. [6] Мода в одежде производства: Борьба с изменением стиля. Технический консультативный комитет Американской ассоциации производителей одежды, Arlington, VA, 1982.

[7] Фогарти, D.W., Гофман, T.R.,

[9] Fransoo, J.F, Sridharan В.,

[10] Хэдли, Г.,

[11] Хейнсворт, за заслуги,

[13] Каплан, А. фонда нормирования. Управление науки, 1969, IS (5), 260-268. [14] Кимс, фондовая биржа Доходность управления: инструмент для создания ограниченного сервисных фирм.

Журнал операционного менеджмента, 1989, 8 (4), 348-363. [15] Кингсман, B.G., Tatsiopoulos, I.P,

[17] Лавлок, C.H. Управление услугами маркетинг, операции, и человеческие ресурсы (2-е изд.). Englewood Cliffs, NJ: Prentice-Hall, 1992. [18] Настроение, и ночи, Грейбилл, Ф..,

[19] Nahmias, S.,

[21] Пфейфер, PE. Кост авиакомпанией скидками выделение проблемы. Decision Sciences, 1989, 20, 149-157.

[22] катки, D.B. Нормирование страхового запаса в многоквартирных эшелона системы кадастра ВВС США. Инженерные затрат и производственной экономики, 1989, 17, 99-109. [23] Смит, до нашей эры, Leimkuhler, J.F.,

[24) Старр, M.K. Управление производством и операциями. Englewood Cliffs, NJ: Prentice-Hall, 1989.

[25] Titze, B.,

[26] Vollmann, T.E., Берри, W.L.,

Nagraj Балакришнан является доцент кафедры менеджмента на Клемсон университета. Он получил докторскую степень управления в Университете Пердью. В настоящее время его исследования направлены на машине планирования, нейронных сетей, а глобального управления операциями. Его статьи были опубликованы в сети, Европейский журнал исследования операций, журнал Исследование Операций общества, ИМО Сделки, Компьютеры

'Шри' V Sridharan является адъюнкт-профессор менеджмента в университете Клемсон, где он преподает для студентов и выпускников курсов по управлению операциями. В настоящее время он участвует в исследовательских проектах упором на вопросы производственно-маркетинговой интерфейса, систем планирования и контроля, мастер-планирования и операций планирования. Его результаты исследования появились в многочисленных журналах, в том числе Decision Sciences, Европейский журнал оперативных исследований, Международный научный журнал "Экономика производства, Международный журнал по производству исследований, журнал операций управления, журнал производства и оперативного управления, и другие.

J. Уэйн Паттерсон профессор менеджмента в университете Клемсон. Он получил докторскую степень в области делового администрирования в Университете штата Арканзас и его BS и магистра в области бизнес-статистики в Университете Алабамы. Его исследования и педагогические интересы лежат в управление операциями с акцентом на текущие планирования пропускной способности, качества, управление ТОиР и теории ограничений. Его работа появилась в журнале Бизнес и экономической статистики, Poduction и управление запасами журнал, журнал закупкам и управлению запасами и другие.