Lagerbewirtschaftungsmodelle
|
|
- Jonas Glöckner
- vor 8 Jahren
- Abrufe
Transkript
1 Inventory Management- Lagerbestandsmanagement Lagerbewirtschaftungsmodelle Dr. Anton Ferner Stand: Basierend auf Thonemann, Ulrich: Operations Management (Pearson Studium 2005) Seite 0
2 INHALT Motivation Bestellmengenmodell Newsvendor-Modell Zusammenfassung und Ausblick Seite 1
3 ENTSCHEIDUNGEN IM BESTANDSMANAGEMENT Wann und welche Menge sollte ich bestellen? Lagerbestand Stück Wann: Bestellpunkt ROP Welche Menge: Bestellmenge x Lieferzeit T L Zeit Seite 2
4 RELEVANTE KOSTEN BESTANDSMANAGEMENT Kosten Variable Bestellkosten Fixe Bestellkosten Erläuterung Sind proportional zur bestellten Menge Enthalten Einstandspreise, mengenproportionale Transportkosten, etc. Fallen je Bestellung an, unabhängig von der Bestellmenge Enthalten Verwaltungskosten, Materialhandhabungskosten, etc., wenn diese je Bestellung anfallen Enthalten keine Overheadkosten, die durch die Bestellung nicht beeinflusst werden Lagerhaltungskosten Fehlmengenkosten Fallen je gelagerter Einheit an Enthalten Opportunitätskosten des gebundenen Kapitals, Kosten für den Lagerraum (wenn diese abhängig von der gelagerten Menge sind), etc. Fallen je nicht gelieferter oder verspätet gelieferter Einheit oder Lieferung an Seite 3
5 ÜBERSICHT BETRACHTETER MODELLE Parameter Bestellmengenmodell Newsvendor- Modell Kosten Variable Bestellkosten Fixe Bestellkosten Lagerhaltungskosten Fehlmengenkosten Nachfrage Deterministisch Stochastisch Perioden Eine Mehrere Seite 4
6 INHALT Motivation Bestellmengenmodell - Basismodell - Lieferzeit - Endliche Produktionsrate - Mengenrabatte - Service Level und Sicherheitsbestand - Schwankende Bedarfe und Lieferzeiten - Zusammenfassung Bestellmengenmodell Newsvendor-Modell Zusammenfassung und Ausblick Seite 5
7 MODELLANNAHMEN 1. Nachfragerate beträgt µ. Nachfrage ist deterministisch und konstant 2. Bestellungen werden unverzüglich geliefert 3. Keine Beschränkungen der Bestellmengen 4. Keine Mengenrabatte 5. Ein einziges Produkt 6. Relevante Kosten sind (fixe und variable) Bestellkosten und Lagerhaltungskosten 7. Ziel ist, den Bestellzeitpunkt und die Bestellmenge zu bestimmen, die die durchschnittlichen Kosten minimieren Seite 6
8 GRUNDLEGENDE ZUSAMMENHÄNGE Notation x Bestellmenge [Stück] µ Nachfragerate [Stück pro Jahr] T Zykluslänge [Jahre] N Bestellungen pro Jahr [-] Lagerbestand Stück x = 20 Stück µ = 1000 Stück/Jahr?? Zusammenhänge µ 1000 N = = = 50 x 20 Fixe Bestellkosten = µ x 1 -µ ( R) Durchschnittsbestand x/2 = 10 Lagerhaltungskosten (wenn Lagerhaltungskosten = h/stück/jahr) K x x = h 2 x 20 T = = = 0,02 Jahre = 1 Woche µ 1000 Zeit Jahre Variable Bestellkosten = cµ (wenn Stückpreis = c) Seite 7
9 Economic-Order-Quantity (EOQ) Modell Gesamtkosten Z(x)= Variable Bestellkosten fixe Bestellkosten + + Lagerkosten Z(x) = µ µ C + K + h x x 2 Z(x) Gesamtkosten in der betrachteten Zeitperiode in Abhängigkeit von der Losgröße x x Losgröße bzw. Bestellmenge µ Verbrauch in der betrachteten Zeitperiode (Verbrauchsrate betrachtete Zeitperiode) C Variable Bestellkosten pro Mengeneinheit K Kosten pro Bestell- oder Rüstvorgang h Lagerbestandskosten pro Mengeneinheit und Zeiteinheit (Lagerkostensatz) Betrachtungszeitraum: z. Bsp. ein Jahr Seite 8
10 HERLEITUNG KOSTENFUNKTION Kostensätze c Variable Bestellkosten [ /Stück] K Fixe Bestellkosten [ /Bestellung] h Lagerhaltungskostensatz [ /Stück/Jahr] Entscheidungsvariablen ROP=r=Bestellpunkt [Stück] x Bestellmenge [Stück] r = 0 Gesamtkosten µ x Z(x) = cµ + K + h x 2 Gesamtkosten Lagerhaltungskosten Z(x ) x =EOQ x Variable Bestellkosten Fixe Bestellkosten Seite 9
11 OPTIMIERUNG KOSTENFUNKTION Konvexität d d µ K h Z(x) = + µ c + x dx dx x 2 µ K h = + 2 x 2 2 d 3 2 Z(x) 2 Kx = µ dx > 0 für x > 0 konvex for x > 0 Z(x) x Notwendige Bedingung d Z(x) = 0 dx µ K h 2 + = 0 x 2 x 2µ K = h Z(x) wenn x Z(x) wenn x 0. Daher globales Minimum bei x > 0 Z(x ) = 2Kµ h + µ c Seite 10
12 Economic-Order-Quantity (EOQ) Modell Gesamtkosten = Z(x) = µ c + µ x K + x 2 h Optimale Losgröße = 2 µ K x = = h EOQ Gesamtkosten bei opt. Losgröße = Z = 2 µ Kh + c µ Kompatibilität zu Unterlagen Fr. Dr. Kraus: µ R, x Q µ Verbrauchsmenge pro Jahr, R Verbrauchsmenge pro Periode Seite 11
13 BEISPIEL Beispieldaten Die Nachfrage beträgt 20 Stück pro Woche Das Schreiben einer Bestellung kostet 10 pro Bestellung Das Entladen des LKWs kostet 10 pro Belieferung Der Einkaufspreis beträgt 390 pro Stück Die Transportkosten betragen 10 pro Stück Die Verzinsung des Kapitals betragen 25 % Seite 12
14 BEISPIEL Beispieldaten Die Nachfrage beträgt 20 Stück pro Woche Das Schreiben einer Bestellung kostet 10 pro Bestellung Das Entladen des LKWs kostet 10 pro Belieferung Der Einkaufspreis beträgt 390 pro Stück Die Transportkosten betragen 10 pro Stück Die Verzinsung des Kapitals betragen 25 % Lösung µ = Stück/Jahr, K = = 20, c = (390+10=)400 /Stück, h = 25 %/Jahr 400 /Stück = 100 /Stück/Jahr 2µ K Stück / Jahr 20 x µ x = = = 20, T = = 0.02 Jahre( 7d), N = = 50 / Jahr h 100 /Stück / Jahr µ x Z(x ) = 2Kµ h = 2x Stück / Jahr 100 / Stück / Jahr = 2,000 / Jahr Ohne variable Bestellkosten Seite 13
15 Harris/Andler Losgrößenbestimmung Kosten Tausend /Jahr Bestellmenge Stück Lagerhaltungskosten Gesamtkosten Fixe Bestellkosten Für x = x gilt Fixe Bestellkosten µ µ Kµ h K = K = = 1000 /Jahr x 2Kµ 2 h Lagerhaltungskosten 2Kµ x h Kµ h h = h = = 1000 /Jahr Gesamtkosten Kµ h 2 = 2K µ h = 2000 /Jahr 2 Ohne variable Bestellkosten Seite 14
16 Gesamtkosten Kosten Zusätzliche variable Bestellkstosten haben keinen Einfluß auf den EOQ Gesamtkosten mit µc Gesamtkosten ohne µc µc=variable Bestellkosten 0 EOQ Losgröße Source: MBPF (1999) Seite 15
17 INHALT Motivation Bestellmengenmodell - Basismodell - Lieferzeit - Endliche Produktionsrate - Mengenrabatte - Service Level und Sicherheitsbestand - Schwankende Bedarfe und Lieferzeiten - Zusammenfassung Bestellmengenmodell Newsvendor-Modell Zusammenfassung und Ausblick Seite 16
18 OPTIMALE LÖSUNG Zusätzliche Notation T L Lieferzeit [Jahre] ROP Bestellpunkt [Stück] LT = 0,5 Wochen? 0,5 Woche r = 20Stück 1 Woche Lagerbestand Stück x = 20 ROP = 10 -µ (-R) -20 Stück/ Woche Ähnliche Dreiecke: x T = ROP TL Lösung Der Bestellpunkt beträgt somit T L T = 1 Woche Zeit Jahre x ROP = T = R T L TL Durchschnittsverbrauch Lieferzeit Bestellmenge ist die gleiche wie beim Basismodell Seite 17
19 Beispiel Losgrößenermittlung h Lagerhaltungskostensatz [ /Stück/Jahr] Angeführte Lagerkostensatz = 1,5 pro Stück u. Periode 2. K. µ x = h T...Planungszeitraum (Tage) µ... Gesamtbedarf pro Planungszeitraum T in Zeiteinheit x... Bestellmenge in Teileinheiten von x K... Bestellfixen Kosten pro Bestellung h... Lagerhaltungskosten pro Stück und Zeiteinheit x... kostenoptimale Bestellmenge x = ,512 = 40 Quelle: Tempelmaier G.: Übungsbuch Produktion und Logistik, Springer- Verlag, Berlin Heidelberg New York Seite 18 18
20 Beispiel Rohmaterialbeschaffung für Snowboardherstellung Nachfrage pro Woche: 1,1 Tonnen Produktionszeitraum: 50 Wochen Herstellkosten (Rüstkosten): pro Vorgang Wareneingangskosten: Rohstoffpreis pro Tonne: /Tonne Transportkosten pro Tonne: /Tonne Opportunitätskosten (Zinsverlust): 25% Lieferzeit: 1 Woche Optimale Bestellmenge? fixen Bestellkosten? Lagerhaltungskosten? Gesamtkosten? Seite 19
21 Lösung Seite 20
22 INHALT Motivation Bestellmengenmodell - Basismodell - Lieferzeit - Endliche Produktionsrate - Mengenrabatte - Service Level und Sicherheitsbestand - Schwankende Bedarfe und Lieferzeiten - Zusammenfassung Bestellmengenmodell Newsvendor-Modell Zusammenfassung und Ausblick Seite 21
23 OPTIMALE LÖSUNG Zusätzliche Notation ψ Produktionsrate [Stück/Jahr] T 1 Auffüllzeit [Jahre] Z(x) Gesamtkosten x Losgröße bzw. Bestellmenge µ Verbrauch in der betrachteten Zeitperiode C Materialkosten (Variable Kosten pro Mengeneinheit) K Kosten pro Bestell- oder Rüstvorgang h Lagerbestandskosten pro Mengeneinheit und Zeiteinheit (Lagerkostensatz) Betrachtungszeitraum: z. Bsp. ein Jahr Lagerbestand Stück =T 1 (ψ µ) =x(ψ µ)/ψ x ψ µ 1 +ψ µ µ x Z(x) = K + h 1 x ψ 2 1 Bestellkosten Lagerbestandskosten -µ Lösung 2Kµ x = (1 µ / ψ)h T 1 =x/ψ T 2 Zeit Jahre Bestellpunkt ROP = 0 Seite 22
24 BEISPIEL Beispieldaten Die Nachfrage beträgt 20 Stück pro Woche Das Schreiben einer Bestellung kostet 10 pro Bestellung Das Entladen des LKWs kostet 10 pro Belieferung Der Einkaufspreis beträgt 390 pro Stück Die Transportkosten betragen 10 pro Stück Die Opportunitätskosten des Kapitals betragen 25 % Die Produktionsrate beträgt ψ = Stück pro Jahr Lösung µ = Stück/Jahr K = = 20 c = 10 /Stück /Stück = 400 /Stück h = 25%/Jahr 400 /Stück = 100 /Stück/Jahr x 2µ K 2 1,000Stück / Jahr 20 = = = 23 Stück (vs. 20 Stück) h 1 / 100 / Stück / Jahr 1 1,000 / 4,000 ( µ ψ) ( ) Z(x ) 1732 / Jahr (vs / Jahr) c = + µ Seite 23
25 INHALT Motivation Bestellmengenmodell - Basismodell - Lieferzeit - Endliche Produktionsrate - Mengenrabatte - Service Level und Sicherheitsbestand - Schwankende Bedarfe und Lieferzeiten - Zusammenfassung Bestellmengenmodell Newsvendor-Modell Zusammenfassung und Ausblick Seite 24
26 ARTEN VON MENGENRABATTEN Variable Bestellkosten /Bestellung c = 400 Variable Bestellkosten /Bestellung c 1 =400 c 2 =390 c 3 =380 Variable Bestellkosten /Bestellung c 1 =400 c 2 =390 c 3 = Bestellmenge x Stück Bestellmenge x Stück Bestellmenge x Stück Kein Rabatt Rabatt auf volle Bestellmenge Rabatt auf Bestellmenge, die Grenze überschreitet Quelle: Domschke, Scholl, Voß (1993), Nahmias (2001)
27 KOSTENFUNKTION Zusätzliche Notation c i a i Variable Bestellkosten in Intervall i [ /Stück] Obere Begrenzung von Intervall i [Stück] Variable Bestellkosten /Bestellung c 3 =380 Kostenfunktion allgemein c 2 =390 µ x c µ + K + h 0 < x < a x 2 µ x Z(x) = c µ + K + h a x < a x 2 M c 1 = Menge Kostenfunktion Beispiel 3x Bestellmengenmodell mit Mengenrestriktionen 1000 Stück/Jahr x 400 /Stück 1000 Stück/Jahr , /Stück 0 < x < 200 Stück x Stück/Jahr x Z(x) = 390 /Stück 1000 Stück/Jahr , /Stück 200 Stück x < 500 Stück x Stück/Jahr x 380 /Stück 1000 Stück/Jahr , /Stück 500 Stück x x 2 Seite 26
28 MÖGLICHE ERGEBNISSE JE INTERVALL Lokales zulässiges Optimum x i Lokales Optimum unterhalb unterer Begrenzung x i Lokales Optimum oberhalb oberer Begrenzung x i Seite 27
29 LÖSUNGSALGORITHMUS 1. Berechne die optimale Bestellmenge für jeden Preis, unter der Annahme, dass keine Mengenbegrenzungen vorliegen. Es gibt drei mögliche Stellen, an denen die optimale Bestellmenge ohne Mengenbegrenzung liegen kann: a.... liegt in dem Mengenintervall für Preis c i : Setze x i = optimale Bestellmenge b.... liegt unterhalb des Mengenintervalls für Preis c i : Wähle für x i die untere Grenze des zu Preis c i gehörenden Mengenintervalls c.... liegt oberhalb des Mengenintervalls für Preis c i : Wähle für x i die obere Grenze des zu Preis c i gehörenden Mengenintervalls 2. Berechne die optimalen Kosten für jeden Preis c i. Die Lösung x i mit den geringsten Kosten Z(x i ) ist die optimale Bestellmenge a b c x i Für ein effizienteres Lösungsverfahren siehe z.b. Nahmias (2001) Seite 28
30 GRAFISCHE LÖSUNG Kosten Z(x) Tausend /Jahr 420 c 1 c 2 c Bestellmenge x Stück Seite 29
31 MATHEMATISCHE LÖSUNG Preis c 1, zulässiger Bereich 0 < x < 200 2µ K Stück/Jahr 20 = = 20Stück x1 = 20 Stück h1 0, /Stück 1000 Stück/Jahr 20Stück Z(x 1) = 400 /Stück 1000Stück/Jahr , /Stück 20Stück 2 = /Jahr Preis c 2, zulässiger Bereich 200 x < 500 2µ K Stück/Jahr 20 = = 20,25 Stück h 0, /Stück 2 2µ K Stück/Jahr 20 = = 20,52Stück h 0, /Stück 3 x = 200 Stück 1000 Stück/Jahr 200Stück Z(x 2) = 390 /Stück 1000Stück/Jahr , /Stück 200Stück 2 = /Jahr Preis c 3, zulässiger Bereich 500 x 1000 Stück/Jahr 500Stück Z(x 3) = 380 /Stück 1000Stück/Jahr , /Stück 500 Stück 2 = /Jahr 2 x = 500 Stück 3 Optimum Seite 30
32 Definition: Service Level (Cycle-) Service Level Wahrscheinlichkeit, dass es zu keiner Lagerbestandsunterdeckung (not stocking out) innerhalb der Wiederbeschaffungszeit kommt SL Service Level SL Prob(D L < ROP) Service Level: Wahrscheinlichkeit, dass der aktuelle Bedarf in der Wiederbeschaffungszeit keiner als der Bestellpunkt ist D L DL Bedarf in der Wiederbeschaffungszeit Reorder Point Bestellpunkt Seite 31
33 Variable Nachfrage D L Variable Nachfrage (Verbrauch) D L mit Normalverteilung D L ~ N(µ,σ) und Fixen Lieferzeit (Fixed Lead Time) Variablen Lieferzeit (Variable Lead time) Seite 32
34 Sicherheitsbestand: fixe Lieferzeit (T L ), variabler Verbrauch Bestand X (Q) Bestellpunkt Bestellung Bestellung Bestellung ROP = µ + I s 1 α R Durchschnittsverbrauchsmenge D L1 D L2 während der Lieferzeit: µ= R T L Sicherheitsbestand (I s ) T L T L Zeit t µ Mittelwert der Nachfragemenge in der Wiederbeschaffungszeit Seite 33
35 Bestimmung des Sicherheitsbestandes (I s ) (Cycle) Service Level (SL) = P (Wahrscheinlichkeit d. Lieferfähigkeit) = P (Nachfrage während Lieferzeit D L < Bestellmenge (ROP)) = Pr ob D µ ROP µ σ σ L Standard Normal Random Variable = Pr ob ( Z z) mit z µ = ROP σ σ Standardabweichung der Nachfrage Use Table Standard Normal Cumulative Probabilities Bestellpunkt (Reorder point) ROP = µ + zσ = µ + I s Sicherheitsbestand (Safety stock) I s = zσ Seite 34
36 (Cumulative) Standard Normal Distribution F(z) = Prob( N(0,1) < z) F(z) 0 z Transform back, knowing z: X = µ+ zσ. Seite 35
37 Beispiel 1: Ermittlung des Sicherheitsbestandes Der durchschnittliche Bedarf an einem Artikel beträgt 20 Einheiten. Die Standardabweichung innerhalb der Lieferzeit beträgt 5 Einheiten. Es werden ca. alle 2 Wochen Lampen bestellt, bei einem Bestellpunkt von 24 Einheiten. Bestimmen Sie den Servicelevel 1) Sicherheitsbestand = ROP = µ + I s =24 20 = 4 Einheiten 2) Servicelevel: I s = zσ Normalverteilerungsvariable: z=i s /σ = 4/5 = 0,8 Kum. Normalverteilung (F(z)) =0,7881 Dh. ein Servicelevel von 78,81%. Somit kommt es in 78,81% der Fälle zu keiner Bestandsunterdeckung 3) Annahme: die opt. Bestellmenge (x) beträgt Stück bei einem Verbrauch von täglich zwei Einheiten a) Ermittlen Sie den Lagerbestand, b) Ermitteln Sie die Zykluszeit Lagerbestand I = I Cycle +I s = x/2+ I S = 28/2 + 4 = 18 Einheiten 4) Wie lange ist die Zykluszeit bei einem durchschnittlichen Bedarf täglich 2 Stück µ=i/t=> T=18/2=9 Tage, d.h. die durchschnittliche Zykluszeit beträgt 9 Tage Seite 36
38 Beispiel: Ermitteln Sie bei einem gegebenen Servicelevel den Sicherheitsbestand Annahme: Der durchschnittliche Bedarf an einem Lampenartikel beträgt 20 Einheiten. Die Standardabweichung des Bedarfs innerhalb der Lieferzeit beträgt 5 Einheiten. Service Level z Wert Sicherheitsbestand Bestellpunkt (ROP) 80% 0,845 4,2 24,2 85% 1,04 5,2 25,2 90% 1,28 6,4 26,2 95% ,2 28,2 99% 2,33 11,7 31,7 I s = zσ ROP = µ + I s Seite 37
39 Service Level versus Lagerbestand Q = 100 µ = 100 σ = 100 Service Level (%) 105% 100% 95% 90% 85% z values % 75% Average Inventory Level Der Lagerbestand (Sicherheitsbestand) wächst stark mit dem angestrebten Servicegrad. So gut wie sicher, daß keine Fehlmenge auftritt, ist man bei einem 99,9%-igen Servicegrad, zu dem ein z- Wert (Wahrscheinlichkeitszufallsvariable bei Normalverteilung) von ca. 3 gehört. D.h. der Sicherheitsbestand ist 3σ (3x Standardabweichung des Lieferzeitbedarfs) Ein 98%-iger Servicegrad benötigt im Vergleich ca. nur 2σ Seite 38
40 Variabler Verbrauch (Verbrauchsschwankungen) in der fixen Lieferzeit Lagerbestand Q ROP Bestelllpunkt Bestellung Bestellung Bestellung Durchschnittsbedarf während der Lieferzeit (µ) T L T L Sicherheitsbestand (I s ) Zeit t Seite 39
41 Spezialfall: Verbrauchschwankungen innerhalb fixer Lieferzeit Verbrauch in der Lieferzeit bezogen auf alle Perioden entspricht der Summe der einzelnen Verbräuche D L = R 1 + R R L Durchschnittl. Verbrauch der gesamten Periode R µ = RT 1 Verbrauch in der Periode 1 L R Durchschnittliche Verbrauchsrate T L Durchschnittliche Lieferzeit µ Durchschnittsverbrauch in den betrachteten Zeitperiode (Verbrauchsrate betrachtete Zeitperiode) Mit einer Varianz σ r Standardabweichung des Verbrauchs in einer Periode σ = σ r + σ r σ r = nσ r Die Varianz der Summe von n unabhängigen Variablen entspricht der Summe der einzelnen Varianzen Mit einer Standardabweichung σ = TLσ r Seite 40
42 Beispiel: Bedarfsschwankungen Ermitteln Sie die Veränderung des Sicherheitsbestandes bei einer Vergrößerung der Lieferzeit von 10 auf 20 Tage, der durchschnittliche tägliche Bedarf entspricht 2 Einheiten, die Standardabweichung des täglichen Bedarfs 1,581 Wie hoch muss der Sicherheitsbestand angesetzt werden bei einem 95%-igen Servicelevel 10 Tage: σ = TLσ r = Sqrt(10)1,581=4,999 Einheiten 20 Tage: I s = zσ σ = TLσ r =1,654,99=8,2 Einheiten = Sqrt(20)1,581=7,07 Einheiten z aus kum. Normalverteilung bei einem Servicelevel von 95% I s = zσ =1,657,07=11,66 Einheiten Dh. der Sicherheitsbestand muss von 9 auf 12 Einheiten erhöht werden Seite 41
43 Variabler (Lead Time) Verbrauch D L Variabler Verbrauch D L ~ N(µ r,σ r ) and Fixe Lieferzeit (Fixed Lead Time (T L )) Variable Lieferzeit ~ N(µ l,σ l ) Seite 42
44 Sicherheitsbestand: Variable Lieferzeit, variabler Bedarf Lagerbestand Q Bestellung Bestellung Bestellung ROP = µ + I s 1 α R µ = RT L D L1 D L2 I s = σz T L1 T L2 Zeit t Service Level Variability: R,T L Seite 43
45 Allgemeiner Fall: Variabler Verbrauch and variable Lieferzeit Verbrauch in der Wiederbeschaffungszeit D L µ = R T L Varianz σ 2 = Τ L σ r2 + R 2 σ l 2 ROP = ( ) TLσ R σ µ + zσ = RTL + z r + l Sicherheitsbestand durch Verbrauchsschwankungen Sicherheitsbestand durch Lieferzeitschwankungen 2 σ = TLσ + R σ 2 r Standardabweichung 2 l σ = T Lσ + 2 r R 2 σ 2 l Allgemeine Formel, immer anwendbar! Seite 44
46 Beispiel: Variabler Verbrauch, variable Lieferzeit Der durchschnittliche tägliche Bedarf entspricht 2 Einheiten, die Standardabweichung des täglichen Bedarfs 1,581. Die durchschnittliche Wiederbeschaffungszeit beträgt 10 Tage mit einer Standardabweichung von 2 Tagen Wie hoch muss der Sicherheitsbestand sein, bei einem Servicelevel von 95% σ L =2 Tage, L=10 Tage σ R =1,581, R=2 Einheiten (Durchschnittlicher Bedarf pro Periode) σ= SQRT(101, )=6,402 Sicherheitsbestand Is= 1,656,402=10,565 Einheiten ROP=210+10,565=30,565 Einheiten Im Vergleich zu 8,25 Einheiten ohne Lieferzeitschwankungen I s = zσ ROP = ( ) TLσ R σ µ + zσ = RTL + z r + l Seite 45
47 KONZEPT: RISK-POOLING Nachfrage Händler 1 Tausend Stück/Tag 15 µ = Stück/Tag 1 σ = Stück/Tag 1 CV = σ / µ = 0, Zeit Tage Nachfrage Händler 2 Tausend Stück/Tag µ = Stück/Tag σ = Stück/Tag 2 CV = σ / µ = 0, Zeit Tage Summe Nachfragen Tausend Stück/Tag µ = Stück/Tag σ = Stück/Tag CV = σ / µ = 0, Zeit Tage Seite 46
48 KONZEPT: RISK (Inventory)-POOLING (bei fixer Lieferzeit) Konsoliedierung von zwei dezentralisierten Lagerbeständen in ein zentrales Lager Bedarf innerhalb der Lieferzeit LDT c = LTD 1 + LTD 2 hat durchschnittlich µ c = µ 1 + µ 2 = 2 µ bei µ 1 = µ 2 und einer Varianze (wichtig: Varianzen können addiert werden) σ c2 = σ 12 + σ 22 = 2 σ 2 bei σ 1 = σ 2 Erinnerung: Varianz entspricht dem Quadrat der Standardabweichung Mit einer Standardabweichung σ C = 2σ Seite 47
49 KONZEPT: RISK (Inventory)-POOLING (bei fixer Lieferzeit) der neue Sicherheitsbestand ergibt sich zu anstatt IS = Is = z 2σ z2σ Reduktion auf ca. 70% des Sicherheitsbestands durch die Kombination zweier identischer der Lager (Annahme: R 1 = R 2 ) Seite 48
50 INHALT Motivation Bestellmengenmodell - Basismodell - Lieferzeit - Endliche Produktionsrate - Mengenrabatte - Service Level und Sicherheitsbestand - Schwankende Bedarfe und Lieferzeiten - Zusammenfassung Bestellmengenmodell Newsvendor-Modell Zusammenfassung und Ausblick Seite 49
51 ZUSAMMENFASSUNG BESTELLMENGENMODELL Economic-Order-Quantity (EOQ) Modell Das Bestellmengenmodell ist gut anwendbar in Situationen, in denen die Nachfrage (näherungsweise) konstant und deterministisch ist Im Basismodell wird die optimale Bestellmenge so gewählt, dass die optimale Balance zwischen fixen Bestellkosten und Lagerhaltungskosten gefunden wird Bei der Erweiterung um Mengenrabatte werden zusätzlich die variablen Bestellkosten berücksichtigt (im Basismodell sind diese eine Konstante und brauchen daher nicht berücksichtigt zu werden) Das Bestellmengenmodell ist eines der grundlegenden Modelle des Bestandsmanagements und wird häufig als Baustein für komplexere Modelle verwendet Seite 50
52 INHALT Motivation Bestellmengenmodell Newsvendor-Modell Deterministische vs. stochastische Nachfrage Basismodell Zusammenhang mit Prognoseverfahren Anwendung auf Zentralisierung von Beständen Zusammenfassung und Ausblick Seite 51
53 DETERMINISTISCHE VS. STOCHASTISCHE NACHFRAGE Nachfrage Stück/Tag Zeit Tage Nachfrage Stück/Tag Zeit Tage Bestand bei Bestellmenge 10 Stück Bestand bei Bestellmenge 10 Stück Zeit Tage Zeit Tage Seite 52
54 INHALT Motivation Bestellmengenmodell Newsvendor-Modell Deterministische vs. stochastische Nachfrage Basismodell Zusammenhang mit Prognoseverfahren Anwendung auf Zentralisierung von Beständen Zusammenfassung und Ausblick Seite 53
55 TYPISCHE ANWENDUNGEN NEWSVENDOR MODELL Beispiele Newsvendor : Wie viele Zeitungen sollten bestellt werden Lebensmittelhändler: Welche Mengen an Frischwaren sollten bestellt werden Blutbank: Wie viel Blut sollte bevorratet werden Bekleidungshändler: Welche Menge sollte von welchem Produkt in welcher Größe und Farbe bestellt werden Weihnachtsmarkthändler: Wie viele Weihnachtsbäume sollten bestellt werden Eigenschaften Kurze Verkaufsperiode Keine Nachlieferung während der Periode Erhebliche Unsicherheit in der Nachfrage Produkte verlieren nach der Periode erheblich an Wert Seite 54
56 MODELLANNAHMEN NEWSVENDOR-PROBLEM 1. Eine einzige Zeitperiode und ein einziges Produkt 2. Verteilung der Nachfrage Y ist bekannt. Der Erwartungswert beträgt µ, die Standardabweichung beträgt σ 3. Zeitungen kosten den Newsvendor c pro Stück 4. Nicht verkaufte Zeitungen können zum Preis von v pro Stück zurück gegeben werden 5. Der Verkaufspreis der Zeitungen beträgt r pro Stück 6. Bestellungen werden unverzüglich geliefert 7. Keine Beschränkungen der Bestellmengen 8. Die Bestellmenge muss vor Beginn der Nachfrageperiode festgelegt werden 9. Ziel ist, die Bestellmenge S zu bestimmen, die die durchschnittlichen Kosten minimiert Seite 55
57 NEWSVENDOR PROBLEM Durchschnittsnachfrage Hohe Nachfrage Entscheidungsvariable Problemstellung Ein Zeitungsunternehmer muss entscheiden, wie viele Zeitungen er bestellen soll. Wenn die Nachfrage höher als die Anzahl der bestellten Zeitungen ist, geht ihm Geschäft verloren. Wenn die Nachfrage geringer ist als die Anzahl der bestellten Zeitungen, können die überzähligen Zeitungen nur mit Verlust zurück gegeben werden Bestand Stück S Geringe Nachfrage Generell beträgt Bestand am Ende der Periode Überbestand plus Unterbestand S Bestellmenge Y Nachfrage (LTD) S Y S = 10 Y = 4 Y = 13 6/-3 Zeit Überbestand S Y wenn S Y max{ S Y,0} = 0 wenn S < Y Unterbestand Y S wenn S Y max{ Y S,0} = 0 wenn S > Y 6/0 0/3 Seite 56
58 HERLEITUNG KOSTENFUNKTION Notation c Stückkosten [ /Stück] = 1,00 /Stück r Verkaufspreis [ /Stück] = 3,00 /Stück v Rückgabepreis [ /Stück] = 0,50 /Stück Überbestandskosten (Overage Cost) [ /Stück] c o c u Unterbestandskosten (Underage Cost) [ /Stück] c - v = 0,50 /Stück r - c = 2,00 /Stück Entscheidungsvariable S Bestellmenge Kostenfunktion Z(S) Erwartungswert der Kosten bei Bestellmenge S Z(S) = Erwartungswert Kosten Überbestand + Erwartungswert Kosten Unterbestand Gewinnfunktion Π(S) Erwartungswert des Gewinns bei Bestellmenge S Seite 57
59 ILLUSTRATION BERECHNUNG KOSTEN Häufigkeit Prozent 50% 40% 30% 30% 20% 20% 20% 10% 0% 10% 10% 5% 5% Nachfrage Y Stück Annahme: Bestellmenge 4 Stück, co = 0,50 /Stück, cu = 2,00 /Stück Z(S = 4) = 0,50 /Stück (4 Stück 5% + 3 Stück 10% Stück 20%) + 2,00 /Stück (0 Stück 20% + 1 Stück 10% + 2 Stück 5%) Gesamtkosten = Überbestandskosten + Unterbestandskosten = 1,00 Seite 58
60 HERLEITUNG KOSTENFUNKTION FORTSETZUNG Erwartungswert Überbestand { } = { } E max S Y,0 max S y,0 f(y)dy 0 S 0 ( S ) = y f(y)dy S=4 y f(y) 0,05 0,10 0,20 0,30 0,20 S - y (S - y)f(y) 4 0,05 3 0,10 2 0,20 1 0,30 0 0,20 Erwartungswert Unterbestand { } = { } E max Y S,0 max y S,0 f(y)dy 0 S ( y ) = S f(y)dy y f(y) 0,20 0,10 0,05 y - S (y - S)f(y) 0 0,20 1 0,10 2 0,05 Erwartungswert Kosten S ( ) ( ) Z(S) = c S y f(y)dy + c y S f(y)dy o u 0 S Z(S = 4) = 0,50 /Stück 1,2 Stück + 2,00 /Stück 0,2 Stück = 1,00 Seite 59
61 Ermitteln Sie die Gesamtkosten bei einer Bestellmenge von 2 Stück Gesamtkosten Häufigkeit Prozent 50% 40% 30% 20% 20% 30% 20% S=2 y f(y) 0,05 0,10 0,20 0,30 0,20 0,10 0,05 S - y (S - y)f(y) 2 0,05 1 0,10 0 0,20 1 0,30 2 0,20 3 0,10 4 0,05 + Überbestandskosten + Unterbestandskosten 10% 0% 10% 10% 5% 5% Nachfrage Stück Annahme: Bestellmenge 4 Stück, co = 0,50 /Stück, cu = 2,00 /Stück Z(S = 4) = 0,50 /Stück 0,2 Stück + 2,00 /Stück 1,2 Stück = 2,50 Seite 60
62 KOSTEN IN ABHÄNGIGKEIT VON DER BESTELLMENGE Erwartete Gesamtkosten Z(S) 8 6 6,00 4 4,13 2,50 2 1,38 1,00 1,13 1, Bestellmenge S Stück Seite 61
63 OPTIMIERUNG KOSTENFUNKTION Konvexität S d d Z(S) = co ( S y) f(y)dy cu ( y S) f(y)dy ds ds + y= 0 y= S ( ) = c F(S) c 1 F(S) o u 2 d ds 2 d Z(S) = c F(S) c ( 1 F(S) ) ds o u = c o f(s) + c u f(s) > 0 konvex Notwendige Bedingung d Z(S) = 0 ds o u ( ) c F(S) c 1 F(S) = 0 F(S) S u = = c u c + c o c = F cu + co 1 u CR (Critical Ratio) Gilt für beliebige Verteilungen Erinnerung: Leibnizregel d ds a (S) 2 2 h(y,s)dy = a (S) y= a (S) y= a (S) 1 1 h(y,s) dy S d d + h( a 2(S),S) a 2(S) h(a 1(S),S) a 1(S) ds ds Seite 62
64 BEISPIEL MIT NORMALVERTEILTER NACHFRAGE Beispieldaten Kosten einer Zeitung betragen 0,25 /Stück Nicht verkaufte Zeitungen können nicht zurück gegeben werden Verkaufspreis der Zeitung beträgt 1,00 /Stück Nachfrage ist normalverteilt mit µ = 10 Stück/Tag und σ = 2 Stück/Tag = c = v = 0 = r Grafische Lösung Überbestandskosten c o = Unterbestandskosten c u = c - v = 0,25 /Stück r - c = 0,75 /Stück Alternativ r = 0,50 c o = 0,25 /Stück c u = 0,25 /Stück c 0,75 = = = c + c 0,75 + 0,25 u CR 0,75 = u o S 11,35 0,25 CR = = 0,50 0,25 + 0,25 S = 10 Seite 63
65 GRAFISCHE LÖSUNG Verteilungsfunktion F(y) Prozent ~N(µ = 10, σ = 2) ,35 Nachfrage y Stück Seite 64
66 BEISPIEL MIT NORMALVERTEILTER NACHFRAGE FORTSETZUNG Bei normalverteilter Nachfrage gilt S = µ + zσ ( ) Z(S ) cu co f N(0,1) (z) = + σ ( ) Π = µ (S ) r c Z(S ) 1 c u z = FN(0,1) cu + co Kritisches Verhältnis µ Nachfrage (Erwartungswert) σ Standardabweichung der Nachfrage c Stückkosten [ /Stück] r Verkaufspreis [ /Stück] c o c u Überbestandskosten [ /Stück] Unterbestandskosten [ /Stück] S Optimale Bestellmenge f n(0,1) (z) Funktionswert der Normalverteilung Z(S) Π(S) Erwartungswert der Kosten bei Bestellmenge S Erwartungswert des Gewinns bei Bestellmenge S Mathematische Lösung c 0,75 = = = c + c 0,75 + 0,25 u CR 0,75 u o z = 0,675 S = ,675 2 = 11,4 0,25 CR = = 0,50 0,25 + 0,25 z = 0,0 S = = 10,0 Z(S ) = (0,75 + 0,25) 0,318 2 = 0,636 Z(S ) = (0,25 + 0,25) 0,399 2 = 0,399 Π (S ) = 0, ,636 = 6,864 Π (S ) = 0, ,399 = 2,101 Seite 65
67 STANDARDNORMALVERTEILUNG f N(0,1) (z) F N(0,1) (z) 0 z z f N(0,1) (z) F N(0,1) (z) z f N(0,1) (z) F(z) z f N(0,1) (z) F(z) z f N(0,1) (z) F(z) -3,2 0,0024 0,0007-1,6 0,1109 0,0548 0,0 0,3989 0,5000 1,6 0,1109 0,9452-3,1 0,0033 0,0010-1,5 0,1295 0,0668 0,1 0,3970 0,5398 1,7 0,0940 0,9554-3,0 0,0044 0,0013-1,4 0,1497 0,0808 0,2 0,3910 0,5793 1,8 0,0790 0,9641-2,9 0,0060 0,0019-1,3 0,1714 0,0968 0,3 0,3814 0,6179 1,9 0,0656 0,9713-2,8 0,0079 0,0026-1,2 0,1942 0,1151 0,4 0,3683 0,6554 2,0 0,0540 0,9772-2,7 0,0104 0,0035-1,1 0,2179 0,1357 0,5 0,3521 0,6915 2,1 0,0440 0,9821-2,6 0,0136 0,0047-1,0 0,2420 0,1587 0,6 0,3332 0,7257 2,2 0,0355 0,9861-2,5 0,0175 0,0062-0,9 0,2661 0,1841 0,7 0,3123 0,7580 2,3 0,0283 0,9893-2,4 0,0224 0,0082-0,8 0,2897 0,2119 0,8 0,2897 0,7881 2,4 0,0224 0,9918-2,3 0,0283 0,0107-0,7 0,3123 0,2420 0,9 0,2661 0,8159 2,5 0,0175 0,9938-2,2 0,0355 0,0139-0,6 0,3332 0,2743 1,0 0,2420 0,8413 2,6 0,0136 0,9953-2,1 0,0440 0,0179-0,5 0,3521 0,3085 1,1 0,2179 0,8643 2,7 0,0104 0,9965-2,0 0,0540 0,0228-0,4 0,3683 0,3446 1,2 0,1942 0,8849 2,8 0,0079 0,9974-1,9 0,0656 0,0287-0,3 0,3814 0,3821 1,3 0,1714 0,9032 2,9 0,0060 0,9981-1,8 0,0790 0,0359-0,2 0,3910 0,4207 1,4 0,1497 0,9192 3,0 0,0044 0,9987-1,7 0,0656 0,0446-0,1 0,0656 0,4602 1,5 0,0656 0,9332 3,1 0,0656 0,9990 Seite 66
68 ZUSAMMENFASSUNG UND SENSITIVITÄTS-ANALYSE FÜR NORMALVERTEILTE NACHFRAGE Optimale Lösung S = µ + zσ ( ) Z(S ) cu co f N(0,1) (z) = + σ z 1 c u = FN(0,1) cu + co F N(0,1) (z) ( ) Π = µ (S ) r c Z(S ) z Was passiert, wenn die erwartete Nachfrage steigt? µ S proportional... die Unsicherheit der Nachfrage steigt? σ S proportional... die Überbestandskosten steigen co CR z S Z(S )... die Unterbestandskosten steigen c CR z S u Z(S ) Z(S ) Z(S ) proportional Π Π (S ) proportional (S ) proportional Π(S ) Π(S ) Nicht unmittelbar aus Formeln ersichtlich. Muss aber so sein, denn sonst kann Lösung nicht optimal sein. Wir könnten c o oder c u künstlich erhöhen und hätten ein bessere Lösung Seite 67
69 INHALT Motivation Bestellmengenmodell Newsvendor-Modell Deterministische vs. stochastische Nachfrage Basismodell Zusammenhang mit Prognoseverfahren Anwendung auf Zentralisierung von Beständen Zusammenfassung und Ausblick Seite 68
70 BEISPIEL BESTELLMENGENOPTIMIERUNG WEIHNACHTSBAUMHÄNDLER Beispieldaten Die Nachfrage(prognose) ist normalverteilt mit µ = Stück und Standardabweichung σ = Stück Der Verkaufspreis eines Weihnachtsbaums beträgt 30 /Stück Der Einkaufspreis eines Weihnachtsbaums beträgt 10 /Stück Die Transportkosten vom Lieferanten zum Weihnachtsbaumhändler betragen 2 /Stück Der Weihnachtsbaumhändler setzt für sich einen Unternehmerlohn von pro Weihnachtssaison an Die Grundstücksmiete für die Verkaufsfläche beträgt pro Saison Nicht verkaufte Bäume werden zu Sägemehl verarbeitet. Der Weihnachtsbaumhändler kann Überbestand daher zu 1 /Stück verkaufen Wenn ein potenzieller Kunde aufgrund von Fehlmengen keinen Baum erhält, lässt der Weihnachtsbaumhändler einen Baum von einem befreundeten Händler ohne Zusatzkosten für den Kunden nachliefern. Die Baum- plus Transportkosten betragen dann 62 /Stück Seite 69
71 BEISPIEL BESTELLMENGENOPTIMIERUNG WEIHNACHTSBAUMHÄNDLER FORTSETZUNG Lösung Überbestandskosten c o = Unterbestandskosten c u = r = 30 /Stück, c = = 12 /Stück, v = 1 /Stück c - v = 11 /Stück (w r) + (r - c) = (62-30) + (30-12) = = 50 /Stück Optimale Bestellmenge c 50 c + c u CR = = = 0,82 u o z = 0,914 S = µ + zσ = , = Erwartungswert Kosten ( ) Z(S ) cu co f N(0,1) (z) = + σ = (11+ 50) 0, = Erwartungswert Gewinn (vor Unternehmerlohn und Grundstücksmiete) ( ) Π = µ (S ) r c Z(S ) = (30 12) = Seite 70
72 INHALT Motivation Bestellmengenmodell Newsvendor-Modell Deterministische vs. stochastische Nachfrage Basismodell Zusammenhang mit Prognoseverfahren Anwendung auf Zentralisierung von Beständen Zusammenfassung und Ausblick Seite 71
73 BSP. BESTELLMENGENOPTIMIERUNG WEIHNACHTSBAUMHÄNDLER FORTSETZUNG Beispieldaten Es gibt einen zweiten Weihnachtsbaumhändler in einem benachbarten Ort mit gleichen Kosten und Erlösen, aber unterschiedlicher Nachfrage Die Nachfrage(prognose) ist normalverteilt mit µ = Stück und Standardabweichung σ = Stück Lösung S = µ + zσ = Stück + 0, Stück = Stück ( ) Z(S ) cu co f N(0,1) (z) = + σ = (11 /Stück + 50 /Stück) 0, Stück = ( ) Π = µ (S ) r c Z(S ) = (30 /Stück 12 /Stück) Stück = Seite 72
74 BEISPIEL BESTELLMENGENOPTIMIERUNG WEIHNACHTSBAUMHÄNDLER FORTSETZUNG Beispieldaten Die beiden Händler überlegen, ob es sinnvoll ist, einen gemeinsamen Weihnachtsbaumbestand zu nutzen Die Nachfragen der Weihnachtsbaumhändler sind stochastisch unabhängig Konzept Individuelle Bestände Gemeinsamer Bestand 1 S = Stück Z(S ) = Π(S ) = ΣS = Stück ΣZ(S) = ΣΠ(S ) = ΣS =? ΣZ(S) ΣΠ(S ) =? S = Stück Z(S ) = Π(S ) = Seite 73
75 BEISPIEL BESTELLMENGENOPTIMIERUNG WEIHNACHTSBAUMHÄNDLER FORTSETZUNG Lösung Gesamtnachfrage ist normalverteilt, da sie die Summe normalverteilter Nachfragen ist µ = Stück Stück = Stück σ 2 = Stück Stück 2 = Stück 2 σ = Stück S = µ + zσ = Stück + 0, Stück = Stück ( Stück = 7%) ( ) Z(S ) cu co f N(0,1) (z) = + σ = (11 /Stück + 50 /Stück) 0, Stück = ( = 28%) ( ) Π = µ (S ) r c Z(S ) = (30 /Stück 12 /Stück) Stück = ( = + 10%) Seite 74
76 INHALT Motivation Bestellmengenmodell Newsvendor-Modell Zusammenfassung und Ausblick Seite 75
77 ZUSAMMENFASSUNG Die Aufgabe des Bestandsmanagements ist es, zu bestimmen, wann bestellt werden soll und welche Menge bestellt werden soll Durch gutes Bestandsmanagement wird eine hohe Warenverfügbarkeit zu geringen Kosten sicher gestellt Die grundlegenden Modelle des Bestandsmanagements sind das Bestellmengenmodell und das Newsvendor-Modell Bestellmengenmodell: Geht von deterministischer Nachfrage über mehrere Perioden aus und berücksichtigt fixe und variable Bestellkosten sowie Lagerhaltungskosten. Im Basismodell lautet die optimale Lösung 2Kµ r = 0 x = Z(x ) = 2Kµ h h Newsvendor-Modell: Geht von stochastischer Nachfrage in einer einzigen Periode aus und berücksichtigt Fehlmengenkosten und Lagerhaltungskosten. Bei normalverteilter Nachfrage lautet die optimale Lösung S = µ + zσ Z(S ) ( c c ) f (z) = + σ ( ) u o N(0,1) Π = µ (S ) r c Z(S ) Seite 76
78 Formelsammlung 1/2 Bestellmengenmodell ROP = µ + Is ROP = µ + z σ = R T I = I SL = Pr ob( µ ROP) Is = z σ µ = TL R σ = σ = IcS = z x = Z(x) Cycle = H ( x) = + Is = x / 2 + Is... x = Q TLσ + R σ (variabler Verbrauch, variable Lieferzeit) N σ (Sicherheitsbestand bei N Niederlassungen, 2µ K h + z ( TL σr...( fixe _ Lieferzeit) r l L TLσ + R σ ) keine Korrelation des Verbrauchs) µ x Z(x) = µ C + K + h Gesamtkosten (mit µ = Geamtverbrauch, x 2 Periode = 1Jahr) = EOQ... kostenoptimale Bestellmenge 2Kµ h + µ C... Gesamtkosten bei kostenoptimaler Bestellmenge Kµ h... Lagerhaltungskosten bei kostenoptimaler Bestellmenge 2 Kµ h K(x) =...Bestellfixen Kosten 2 µ n =...Anzahl Bestellvorgänge der innerhalb der gesamten Periode x x T = = Zykluszeit (bis zur nächsten Bestellung in Jahren!) µ r l ROP Bestellpunkt (Reorder Point) R Durchschnittliche Verbrauchsrate pro Periode LTD Durchschnittliche Verbrauch in der Lieferzeit Is Sicherheitsbestand (Savety inventory) X Bestellmengen bzw. Losgröße (Q Order Size) I Durschnittslagerbestand SL Service Level SL Service Level bei opt. Bestellmenge z Service Level Faktor µ Durchschnittsverbrauch in den betrachteten Zeitperiode (Verbrauchsrate betrachtete Zeitperiode RT) T L Durchschnittliche Lieferzeit σ Gesamte Standardabweichung des Verbrauchs in der Lieferzeit σ L Standardabweichung der Lieferzeit σ r Standardabweichung des Verbrauchs in einer Periode Z(x) Gesamtkosten in der betrachteten Zeitperiode in Abhängigkeit von der Losgröße x C variable Bestellkosten pro Mengeneinheit K Kosten pro Bestell- oder Rüstvorgang h Lagerbestandskosten pro Mengeneinheit und Zeiteinheit (Lagerkostensatz pro Periode) Seite 77
79 Formelsammlung 2/2 Newsvendor Modell 1 c u z = FN(0,1) Kritisches Verhältnis cu + co S = µ + zσ ( ) Z(S ) cu co f N(0,1) (z) = + σ ( ) Π = µ (S ) r c Z(S ) c Stückkosten [ /Stück] r Verkaufspreis [ /Stück] co Überbestandskosten [ /Stück] cu Unterbestandskosten [ /Stück] S Optimale Bestellmenge fn(0,1)(z) Funktionswert der Normalverteilung Z(S) Erwartungswert der Kosten bei Bestellmenge S Π(S) Erwartungswert des Gewinns bei Bestellmenge S Seite 78
80 Backup Wiederholung: Varianz und Standardabweichung Seite 79
81 Varianz Die Varianz ist ein Maß für die Streuung einer»variablen«(engl.: variance). Sie basiert auf der Summe der quadrierten Abweichungen jedes Variablenwertes vom»arithmetischen Mittel«über alle»untersuchungseinheiten«. Damit man diese Abweichungen berechnen kann, muß es sich um eine metrische Variable handeln (vgl.»meßniveau«). Die Summe der quadrierten Abweichungen bezeichnet man auch als Variation. Sie wird um so größer, je mehr Untersuchungseinheiten betrachtet werden. Diesen Effekt kann man kontrollieren, indem man die Variation durch die Anzahl der Untersuchungseinheiten dividiert. Auf diese Weise ergibt sich die Varianz, die so etwas wie eine durchschnittliche quadrierte Abweichung darstellt. Handelt es sich allerdings um eine»stichprobe«, mit der man die Varianz in der»grundgesamtheit«schätzen möchte, dann sollte man nicht durch den»stichprobenumfang«, sondern durch dividieren, weil sich dann ein unverzerrter Schätzwert ergibt (ein Schätzwert, der im Mittel mit der tatsächlichen Varianz der Grundgesamtheit übereinstimmt). Notation: s 2 in der Stichprobe, σ 2 (griech.: sigma) in der Grundgesamtheit. Der Erwartungswert der korrigierten Stichprobenvarianz ist also gleich der Varianz der Grundgesamtheit. Die korrigierte Stichprobenvarianz ist somit eine erwartungstreue Schätzung für die Varianz Seite 80
82 Standardabweichung Die Standardabweichung (engl.: standard deviation) ist eine einfache numerische Transformation der»varianz«. Sie entspricht der Quadratwurzel aus der Varianz. Sie wird berechnet, um die mit Hilfe der Varianz quantifizierte Streuung einer»variablen«in den ursprünglichen Maßeinheiten interpretieren zu können. Beispiele: Altersangaben 18, 21, 21, 27, 27, 27, 30, 31, 45 Ermittle die Standardabweichung Arithmetische Mittel: ( )/9=27,4 Varianz (σ 2 ) = 62,53 (Achtung: Basis Gesamtheit n-1) Standardabweichung (σ) = 7,91 Näherungsweise kann man sagen: Die Altersangaben weichen durchschnittlich 7,91 Jahre (Standardabweichung) vom arithmetischen Mittel ab. Seite 81
Operations Management
Operations Management Supply Chain Management und Lagerhaltungsmanagement Prof. Dr. Helmut Dietl Lernziele Nach dieser Veranstaltung sollen Sie wissen, was man unter Supply Chain Management und Lagerhaltungsmanagement
Mehr2. Aufgabe Die Berechnung der optimalen Bestellmenge mittels der Andler'schen Formel basiert auf den vier Parametern
1. Aufgabe (a) Welches Ziel verfolgt die Berechnung der optimalen Bestellmenge? (b) In welchen betrieblichen Situationen sollte von der optimalen Bestellmenge abgewichen werden? (c) Nennen und erläutern
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrOPERATIONS MANAGEMENT. - Supply Chain Management - SCM: Definition
OPERATIONS MANAGEMENT - Supply Chain Management - SCM: Definition Management des Güterflusses innerhalb eines Zuliefer- und Abnehmernetzwerkes, so dass die richtigen Güter zum richtigen Zeitpunkt in der
MehrBestandsplanung und -steuerung: Die Berechnung der Bestellmengen
Bestandsplanung und -steuerung: Die Berechnung der Bestellmengen Dortmund, Oktober 1998 Prof. Dr. Heinz-Michael Winkels, Fachbereich Wirtschaft FH Dortmund Emil-Figge-Str. 44, D44227-Dortmund, TEL.: (0231)755-4966,
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrBerechnung der Erhöhung der Durchschnittsprämien
Wolfram Fischer Berechnung der Erhöhung der Durchschnittsprämien Oktober 2004 1 Zusammenfassung Zur Berechnung der Durchschnittsprämien wird das gesamte gemeldete Prämienvolumen Zusammenfassung durch die
MehrProfil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8
1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen
Mehr9. Schätzen und Testen bei unbekannter Varianz
9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,
MehrStatistik I für Betriebswirte Vorlesung 11
Statistik I für Betriebswirte Vorlesung 11 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 22. Juni 2012 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
Mehr4. Dynamische Optimierung
4. Dynamische Optimierung Allgemeine Form dynamischer Optimierungsprobleme 4. Dynamische Optimierung Die dynamische Optimierung (DO) betrachtet Entscheidungsprobleme als eine Folge voneinander abhängiger
MehrAnhand des bereits hergeleiteten Models erstellen wir nun mit der Formel
Ausarbeitung zum Proseminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn zum Thema Simulation des Anlagenpreismodels von Simon Uphus im WS 09/10 Zusammenfassung
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrDer monatliche Tarif für ein Handy wurde als lineare Funktion der Form f(x) = k x + d modelliert (siehe Grafik).
1) Handytarif Der monatliche Tarif für ein Handy wurde als lineare Funktion der Form f(x) = k x + d modelliert (siehe Grafik). Euro Gesprächsminuten Tragen Sie in der folgenden Tabelle ein, welche Bedeutung
MehrWHB11 - Mathematik Klausur Nr. 3 AFS 3 Ökonomische Anwendungen linearer Funktionen
Name: Note: Punkte: von 50 (in %: ) Unterschrift des Lehrers : Zugelassene Hilfsmittel: Taschenrechner, Geodreieck, Lineal Wichtig: Schreiben Sie Ihren Namen oben auf das Klausurblatt und geben Sie dieses
MehrV 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,
Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
MehrBox-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8
. Aufgabe: Für zwei verschiedene Aktien wurde der relative Kurszuwachs (in % beobachtet. Aus den jeweils 20 Quartaldaten ergaben sich die folgenden Box-Plots. Box-and-Whisker Plot Aktie Aktie 2-0,2 0,8,8
Mehr2.2 Systeme des Bestandsmanagements
. Systeme des Bestandsmanagements Was ist Bestandsmanagement? Grob gesagt, wird im Bestandsmanagement festgelegt, welche Mengen eines Produktes zu welchem Zeitpunkt zu bestellen sind Hierdurch wird der
Mehrq = 1 p = 0.8 0.2 k 0.8 10 k k = 0, 1,..., 10 1 1 0.8 2 + 10 0.2 0.8 + 10 9 1 2 0.22 1 = 0.8 8 [0.64 + 1.6 + 1.8] = 0.678
Lösungsvorschläge zu Blatt 8 X binomialverteilt mit p = 0. und n = 10: a PX = = 10 q = 1 p = 0.8 0. 0.8 10 = 0, 1,..., 10 PX = PX = 0 + PX = 1 + PX = 10 10 = 0. 0 0.8 10 + 0. 1 0.8 9 + 0 1 10 = 0.8 8 [
MehrLogistik I. 4 Beschaffungslogistik (Teil c)
Logistik I Quelle: Ehrmann Logistik I Lagermodell: Darstellung und Begriffe Bestand Max. Bestand Beschaffungsauslösebestand (Meldebest.) Bestellauslösebestand Durchschnittsbestand optimale Bestellmenge
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrDas große ElterngeldPlus 1x1. Alles über das ElterngeldPlus. Wer kann ElterngeldPlus beantragen? ElterngeldPlus verstehen ein paar einleitende Fakten
Das große x -4 Alles über das Wer kann beantragen? Generell kann jeder beantragen! Eltern (Mütter UND Väter), die schon während ihrer Elternzeit wieder in Teilzeit arbeiten möchten. Eltern, die während
MehrAbituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler
MehrPlotten von Linien ( nach Jack Bresenham, 1962 )
Plotten von Linien ( nach Jack Bresenham, 1962 ) Ac Eine auf dem Bildschirm darzustellende Linie sieht treppenförmig aus, weil der Computer Linien aus einzelnen (meist quadratischen) Bildpunkten, Pixels
MehrStatistik II für Betriebswirte Vorlesung 2
PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 2 21. Oktober 2014 Verbundene Stichproben Liegen zwei Stichproben vor, deren Werte einander
MehrStatistik I für Betriebswirte Vorlesung 5
Statistik I für Betriebswirte Vorlesung 5 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 07. Mai 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 5 1 Klassische Wahrscheinlichkeitsdefinition
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrKlausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS 09
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS
MehrBeispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen
4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang
MehrOperations Management. Ulrich Thonemann. Konzepte, Methoden und Anwendungen. 3., aktualisierte Aulage
Operations Management Konzepte, Methoden und Anwendungen 3., aktualisierte Aulage Ulrich Thonemann 5.1 Bestellmengenmodell überprüfen. Diese lautet d 2 dx 2 Z(x) = 2 μ x 3 K und ist für alle positiven
MehrMelanie Kaspar, Prof. Dr. B. Grabowski 1
7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrName:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest
Mehr1.3 Die Beurteilung von Testleistungen
1.3 Die Beurteilung von Testleistungen Um das Testergebnis einer Vp zu interpretieren und daraus diagnostische Urteile ableiten zu können, benötigen wir einen Vergleichsmaßstab. Im Falle des klassischen
MehrKostenfunktionen. Der Stückpreis (Preis pro Einheit) beträgt 4 Geldeinheiten. Die durch Verkauf zu erzielenden Gesamteinnahmen heißen Umsatz.
Kostenfunktionen 1. Ein Unternehmen stellt ein Produkt her. Die Produktion eines Wirtschaftsgutes verursacht Kosten. Die Gesamtkostenfunktion lautet: K(x) = 512+0,44x+0,005x 2. Um x Einheiten des Produkts
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
MehrQM: Prüfen -1- KN16.08.2010
QM: Prüfen -1- KN16.08.2010 2.4 Prüfen 2.4.1 Begriffe, Definitionen Ein wesentlicher Bestandteil der Qualitätssicherung ist das Prüfen. Sie wird aber nicht wie früher nach der Fertigung durch einen Prüfer,
MehrMathematik-Klausur vom 4.2.2004
Mathematik-Klausur vom 4.2.2004 Aufgabe 1 Ein Klein-Sparer verfügt über 2 000, die er möglichst hoch verzinst anlegen möchte. a) Eine Anlage-Alternative besteht im Kauf von Bundesschatzbriefen vom Typ
MehrÜbungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr.
Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Gert Zöller Übungsklausur Hilfsmittel: Taschenrechner, Formblatt mit Formeln. Lösungswege sind stets anzugeben. Die alleinige Angabe eines
MehrBinäre abhängige Variablen
Binäre abhängige Variablen Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Einführung Oft wollen wir qualitative Variablen
MehrAbschlussprüfung Realschule Bayern II / III: 2009 Haupttermin B 1.0 B 1.1
B 1.0 B 1.1 L: Wir wissen von, dass sie den Scheitel hat und durch den Punkt läuft. Was nichts bringt, ist beide Punkte in die allgemeine Parabelgleichung einzusetzen und das Gleichungssystem zu lösen,
MehrExtrema von Funktionen in zwei Variablen
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,
MehrSkriptteufel Klausurvorbereitung
Skriptteufel Klausurvorbereitung Workshop Produktion Was haben wir vor? Möglichst zielgenaue Klausurvorbereitung Erklären der Aufgabentypen und zugehöriger Lösungswege Aufteilung in fünf große Blöcke:
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
MehrUniversität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B
Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip Sommersemester 2010 KLAUSUR Statistik B Hinweise zur Bearbeitung: Bei allen Teilaufgaben
Mehreinfache Rendite 0 145 85 1 160 90 2 135 100 3 165 105 4 190 95 5 210 110
Übungsbeispiele 1/6 1) Vervollständigen Sie folgende Tabelle: Nr. Aktie A Aktie B Schlusskurs in Schlusskurs in 0 145 85 1 160 90 2 135 100 3 165 105 4 190 95 5 210 110 Arithmetisches Mittel Standardabweichung
MehrBestandsplanung. Prof. Dr.-Ing. Bernd Noche
Prof. Dr.-Ing. Bernd Noche Bestandsplanung Fakultät für Ingenieurwissenschaften Abteilung Maschinenbau Transportsysteme und -logistik Keetmanstr. 3-9 47058 Duisburg Telefon: 0203 379-2785 Telefax: 0203
MehrÜbungsaufgaben Prozentrechnung und / oder Dreisatz
Übungsaufgaben Prozentrechnung und / oder Dreisatz 1. Bei der Wahl des Universitätssprechers wurden 800 gültige Stimmen abgegeben. Die Stimmen verteilten sich so auf die drei Kandidat/innen: A bekam 300,
MehrPlanen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher
Planen mit mathematischen Modellen 00844: Computergestützte Optimierung Leseprobe Autor: Dr. Heinz Peter Reidmacher 11 - Portefeuilleanalyse 61 11 Portefeuilleanalyse 11.1 Das Markowitz Modell Die Portefeuilleanalyse
Mehr2 Terme 2.1 Einführung
2 Terme 2.1 Einführung In der Fahrschule lernt man zur Berechnung des Bremsweges (in m) folgende Faustregel: Dividiere die Geschwindigkeit (in km h ) durch 10 und multipliziere das Ergebnis mit sich selbst.
MehrTangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:
Tangentengleichung Wie Sie wissen, gibt die erste Ableitung einer Funktion deren Steigung an. Betrachtet man eine fest vorgegebene Stelle, gibt f ( ) also die Steigung der Kurve und somit auch die Steigung
MehrCCI Swing Strategie. Cut your losers short and let your winners run
CCI Swing Strategie Cut your losers short and let your winners run Charts: - H4 - Daily Indikatoren: - Simple Moving Average (200) - Commodity Channel Index CCI (20 Period) - Fractals Strategie: 1. Identifizieren
MehrLineare Funktionen Anwendungsaufgaben
Seite 1 von 8 Beispiel I Tobias und Mario arbeiten als Krankenpfleger in einer Rehabilitationsklinik und beziehen das gleiche Grundgehalt. Zur Zeit müssen beide viel Überstunden leisten. Am Monatsende
Mehri x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1
1. Aufgabe: Der E-Commerce-Umsatz (in Millionen Euro) der fünf größten Online- Shopping-Clubs liegt wie folgt vor: Club Nr. Umsatz 1 120 2 72 3 54 4 30 5 24 a) Bestimmen Sie den Ginikoeffizienten. b) Zeichnen
MehrRepetitionsaufgaben Wurzelgleichungen
Repetitionsaufgaben Wurzelgleichungen Inhaltsverzeichnis A) Vorbemerkungen B) Lernziele C) Theorie mit Aufgaben D) Aufgaben mit Musterlösungen 4 A) Vorbemerkungen Bitte beachten Sie: Bei Wurzelgleichungen
MehrSie haben das Recht, binnen vierzehn Tagen ohne Angabe von Gründen diesen Vertrag zu widerrufen.
Widerrufsbelehrung Nutzt der Kunde die Leistungen als Verbraucher und hat seinen Auftrag unter Nutzung von sog. Fernkommunikationsmitteln (z. B. Telefon, Telefax, E-Mail, Online-Web-Formular) übermittelt,
MehrSS 2014 Torsten Schreiber
SS 2014 Torsten Schreiber 204 Diese Lücken sollten nicht auch bei Ihnen vorhanden sein: Bei der Rentenrechnung geht es um aus einem angesparten Kapital bzw. um um das Kapital aufzubauen, die innerhalb
MehrFunktion Erläuterung Beispiel
WESTFÄLISCHE WILHELMS-UNIVERSITÄT WIRTSCHAFTSWISSENSCHAFTLICHE FAKULTÄT BETRIEBLICHE DATENVERARBEITUNG Folgende Befehle werden typischerweise im Excel-Testat benötigt. Die Beispiele in diesem Dokument
MehrDas RSA-Verschlüsselungsverfahren 1 Christian Vollmer
Das RSA-Verschlüsselungsverfahren 1 Christian Vollmer Allgemein: Das RSA-Verschlüsselungsverfahren ist ein häufig benutztes Verschlüsselungsverfahren, weil es sehr sicher ist. Es gehört zu der Klasse der
MehrUnsere vier hilfreichsten Tipps für szenarienbasierte Nachfrageplanung
Management Briefing Unsere vier hilfreichsten Tipps für szenarienbasierte Nachfrageplanung Erhalten Sie die Einblicke, die Sie brauchen, um schnell auf Nachfrageschwankungen reagieren zu können Sales and
MehrB 2. " Zeigen Sie, dass die Wahrscheinlichkeit, dass eine Leiterplatte akzeptiert wird, 0,93 beträgt. (genauerer Wert: 0,933).!:!!
Das folgende System besteht aus 4 Schraubenfedern. Die Federn A ; B funktionieren unabhängig von einander. Die Ausfallzeit T (in Monaten) der Federn sei eine weibullverteilte Zufallsvariable mit den folgenden
MehrRente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren Rentenperiode = Zeitabstand zwischen zwei Rentenzahlungen
1 3.2. entenrechnung Definition: ente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren entenperiode = Zeitabstand zwischen zwei entenzahlungen Finanzmathematisch sind
MehrStatistische Thermodynamik I Lösungen zur Serie 1
Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen
MehrAufgabenblatt 3: Rechenbeispiel zu Stiglitz/Weiss (AER 1981)
Aufgabenblatt 3: Rechenbeispiel zu Stiglitz/Weiss (AER 1981) Prof. Dr. Isabel Schnabel The Economics of Banking Johannes Gutenberg-Universität Mainz Wintersemester 2009/2010 1 Aufgabe 100 identische Unternehmer
Mehrist die Vergütung für die leihweise Überlassung von Kapital ist die leihweise überlassenen Geldsumme
Information In der Zinsrechnung sind 4 Größen wichtig: ZINSEN Z ist die Vergütung für die leihweise Überlassung von Kapital KAPITAL K ist die leihweise überlassenen Geldsumme ZINSSATZ p (Zinsfuß) gibt
MehrStatuten in leichter Sprache
Statuten in leichter Sprache Zweck vom Verein Artikel 1: Zivil-Gesetz-Buch Es gibt einen Verein der selbstbestimmung.ch heisst. Der Verein ist so aufgebaut, wie es im Zivil-Gesetz-Buch steht. Im Zivil-Gesetz-Buch
MehrEva Douma: Die Vorteile und Nachteile der Ökonomisierung in der Sozialen Arbeit
Eva Douma: Die Vorteile und Nachteile der Ökonomisierung in der Sozialen Arbeit Frau Dr. Eva Douma ist Organisations-Beraterin in Frankfurt am Main Das ist eine Zusammen-Fassung des Vortrages: Busines
MehrSS 2014 Torsten Schreiber
SS 2014 Torsten Schreiber 221 Diese Lücken sollten nicht auch bei Ihnen vorhanden sein: Wird im Bereich der Rentenrechnung die zugehörige zu Beginn eines Jahres / einer Zeitperiode eingezahlt, so spricht
MehrStatistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005
Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005 Aufgabe 1: Grundzüge der Wahrscheinlichkeitsrechnung 19 P. Als Manager eines großen
MehrAufgaben zur Flächenberechnung mit der Integralrechung
ufgaben zur Flächenberechnung mit der Integralrechung ) Geben ist die Funktion f(x) = -x + x. a) Wie groß ist die Fläche, die die Kurve von f mit der x-chse einschließt? b) Welche Fläche schließt der Graph
MehrProbematura Mathematik
Probematura Mathematik Mai / Juni 2013 Seite 1 von 5 Probematura Mathematik VHS 21 / Sommertermin 2013 1. Tennis Tennisspieler trainieren häufig mit einer Ballwurfmaschine. Die hier beschriebene befindet
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe 2015/16 Prof. Dr. M. Hinze Dr. P. Kiani Analysis I für Studierende der Ingenieurwissenschaften Lösungshinweise zu Blatt 2 Aufgabe 1: (12 Punkte) a) Beweisen
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrDurchschnittlichen Lagerbestand anpassen
P 01 Lösung Lagerbestände überwachen a) 30. April, 31. August und 31. Dezember b) Verbrauch während der Wiederbeschaffungszeit: (500-100) / 150 = 2.66 Mte oder 2 Monate und 20 Tage c) 10. Februar, 10.
MehrIst Fernsehen schädlich für die eigene Meinung oder fördert es unabhängig zu denken?
UErörterung zu dem Thema Ist Fernsehen schädlich für die eigene Meinung oder fördert es unabhängig zu denken? 2000 by christoph hoffmann Seite I Gliederung 1. In zu großen Mengen ist alles schädlich. 2.
MehrBerechnungen in Access Teil I
in Access Teil I Viele Daten müssen in eine Datenbank nicht eingetragen werden, weil sie sich aus anderen Daten berechnen lassen. Zum Beispiel lässt sich die Mehrwertsteuer oder der Bruttopreis in einer
Mehr9.3. Berechnung des Gewinns (Differenzkalkulation) Übungsaufgaben
1. Der Einkäufer eines Textilgeschäftes soll eine Kollektion neuer Anzüge beschaffen. Die Anzüge dürfen den von der Konkurrenz angebotenen Preis von 250,00 EUR nicht übersteigen. Welchen Preis je Anzug
MehrLineare Gleichungssysteme mit zwei Variablen Lösungen
Lineare Gleichungssysteme mit zwei Variablen Lösungen. Bestimme rechnerisch und grafisch die Lösungsmenge L der folgenden Gleichungssysteme. a) b) c) I. x y I. 5y (x ) 5 II. x y II. x y I. 5y (x ) 5 II.
MehrVertical-Spreads Iron Condor Erfolgsaussichten
www.mumorex.ch 08.03.2015 1 Eigenschaften Erwartung Preis Long Calls Long Puts Kombination mit Aktien Vertical-Spreads Iron Condor Erfolgsaussichten www.mumorex.ch 08.03.2015 2 www.mumorex.ch 08.03.2015
MehrStatistische Auswertung:
Statistische Auswertung: Die erhobenen Daten mittels der selbst erstellten Tests (Surfaufgaben) Statistics Punkte aus dem Punkte aus Surftheorietest Punkte aus dem dem und dem Surftheorietest max.14p.
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
MehrProduktionswirtschaft (Teil B) II. Teilbereiche der Produktionsplanung II.1 Lagerhaltung und Losgrößen
Produktionswirtschaft (Teil B) II. Teilbereiche der Produktionsplanung II.1 Lagerhaltung und Losgrößen II Teilbereiche der Produktionsplanung...2 II.1 Lagerhaltung und Losgrößen... 2 II.1.1 Einführung
MehrLeseprobe. Wilhelm Kleppmann. Versuchsplanung. Produkte und Prozesse optimieren ISBN: 978-3-446-42033-5. Weitere Informationen oder Bestellungen unter
Leseprobe Wilhelm Kleppmann Versuchsplanung Produkte und Prozesse optimieren ISBN: -3-44-4033-5 Weitere Informationen oder Bestellungen unter http://www.hanser.de/-3-44-4033-5 sowie im Buchhandel. Carl
MehrAUTOMATISIERTE HANDELSSYSTEME
UweGresser Stefan Listing AUTOMATISIERTE HANDELSSYSTEME Erfolgreich investieren mit Gresser K9 FinanzBuch Verlag 1 Einsatz des automatisierten Handelssystems Gresser K9 im Portfoliomanagement Portfoliotheorie
MehrKugel-Fächer-Modell. 1fach. 3fach. Für die Einzelkugel gibt es 3 Möglichkeiten. 6fach. 3! Möglichkeiten
Kugel-Fächer-Modell n Kugeln (Rosinen) sollen auf m Fächer (Brötchen) verteilt werden, zunächst 3 Kugeln auf 3 Fächer. 1fach 3fach Für die Einzelkugel gibt es 3 Möglichkeiten } 6fach 3! Möglichkeiten Es
MehrRente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren Rentenperiode = Zeitabstand zwischen zwei Rentenzahlungen
5.2. entenrechnung Definition: ente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren entenperiode = Zeitabstand zwischen zwei entenzahlungen Finanzmathematisch sind zwei
MehrBerufsreifeprüfung Mathematik Lehrplan laut Berufsreifeprüfungscurriculaverordnung Volkshochschule Floridsdorf Herbsttermin 2013
BRP Mathematik VHS Floridsdorf 5.10.2013 Seite 1/6 Gruppe A Berufsreifeprüfung Mathematik Lehrplan laut Berufsreifeprüfungscurriculaverordnung Volkshochschule Floridsdorf Herbsttermin 2013 Notenschlüssel:
MehrMathematik-Klausur vom 16.4.2004
Mathematik-Klausur vom 16..200 Aufgabe 1 Die Wucher-Kredit GmbH verleiht Kapital zu einem nominellen Jahreszinsfuß von 20%, wobei sie die anfallenden Kreditzinsen am Ende eines jeden Vierteljahres der
MehrKapitalerhöhung - Verbuchung
Kapitalerhöhung - Verbuchung Beschreibung Eine Kapitalerhöhung ist eine Erhöhung des Aktienkapitals einer Aktiengesellschaft durch Emission von en Aktien. Es gibt unterschiedliche Formen von Kapitalerhöhung.
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrAusarbeitung des Seminarvortrags zum Thema
Ausarbeitung des Seminarvortrags zum Thema Anlagepreisbewegung zum Seminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn von Imke Meyer im W9/10 Anlagepreisbewegung
MehrFüllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge
2.4 Stetige Zufallsvariable Beispiel. Abfüllung von 500 Gramm Packungen einer bestimmten Ware auf einer automatischen Abfüllanlage. Die Zufallsvariable X beschreibe die Füllmenge einer zufällig ausgewählten
Mehr4. AUSSAGENLOGIK: SYNTAX. Der Unterschied zwischen Objektsprache und Metasprache lässt sich folgendermaßen charakterisieren:
4. AUSSAGENLOGIK: SYNTAX 4.1 Objektsprache und Metasprache 4.2 Gebrauch und Erwähnung 4.3 Metavariablen: Verallgemeinerndes Sprechen über Ausdrücke von AL 4.4 Die Sprache der Aussagenlogik 4.5 Terminologie
Mehr