Das Verfahren von Wagner und Whitin

Größe: px
Ab Seite anzeigen:

Download "Das Verfahren von Wagner und Whitin"

Transkript

1 Materialwirtschaft KE2 - Dynamische estellmengenplanung - Das Verfahren von Wagner und Whitin Das Verfahren von Wagner und Whitin I) Annahmen und Anwendungsgebiete Wann verwendet man typischerweise dynamische Verfahren der estellmengenplanung? Dynamische Verfahren der estellmengenplanung werden typischerweise dann eingesetzt, wenn die Prämissen der statischen estellmengen-planungsverfahren (über die Zeit konstante Periodenbedarfe, ager- und Fehlmengenkostensätze sowie bestellfixe Kosten) nicht mehr erfüllt sind. Nennen Sie die Charakteristika sowie die Prämissen des Wagner/Whitin- Verfahrens zur ösung des dynamischen estellmengenproblems! Die Charakteristika des Wagner- Whitin- Modells sind: variabler edarf; d.h. der edarf einer Periode ist zwar deterministisch bestimmt, jedoch von unterschiedlicher Größe, variable Planungszeiträume; d.h. das Unternehmen kann für eine Periode oder aber für mehrere Perioden planen, und in zeitlicher Folge variable bestellfixe Kosten und variable agerkostensätze. Des Weiteren gelten folgende Prämissen: Es wird nur ein einzelnes Gut/Produkt betrachtet. Der agerbestand des Gutes ist zu eginn der Periode 1 bzw. am Ende der Periode 0 und auch am Ende der letzten Periode des Planungszeitraums gleich Null. Gegebenenfalls ist der jeweilige Periodenbedarf um den abweichenden agerbestand zu korrigieren. Die ieferung des bestellten Gutes erfolgt schlagartig. Der Periodenbedarf tritt in voller Höhe zu eginn der Periode auf, und Fehlmengen sind nicht erlaubt d.h. der Periodenbedarf muss vollständig zu eginn der Periode aus dem agerbestand oder aus der ieferung gedeckt werden. Warum setzt man in der Praxis häufig Heuristiken statt exakter Verfahren zur ösung des dynamischen estellmengenproblems ein? ei dem exakten Verfahren von Wagner und Whitin wird die optimale estell- und agerhaltungspolitik erst mit dem Erreichen der letzten Periode des Planungshorizontes durch anschließendes Zurückrechnen bestimmt. Gerade die edarfe und Kostensätze der letzten Perioden des Planungszeitraums sind jedoch schwer prognostizierbar, so dass man die Planungsergebnisse in nachfolgenden Perioden im Rahmen der rollierenden Planung regelmäßig revidieren müsste. Die ursprünglich ermittelte estellund agerhaltungspolitik ist dann jedoch nicht mehr zwangsläufig optimal. Daher setzt man in der Praxis häufig statt der exakten, so genannte heuristische Verfahren der estellmengenplanung ein, die unter Anwendung einer vereinfachten ösungsprozedur und mit erheblich geringerem Rechenaufwand auf das Auffinden exakter ösungen verzichten und sich vielmehr mit suboptimalen ösungen in der Nähe des tatsächlichen Optimums begnügen. Man hofft dabei, dass die mit der Verwendung suboptimaler statt optimaler ösungen verbundenen Kostenerhöhungen durch den geringeren Rechenaufwand bzw. die einfachere Handhabung (Datenerhebung) heuristischer Verfahren ausgeglichen werden können. Achtung: in dem folgenden eispiel sind die estellfixen Kosten und der agerkostensatz in allen Perioden identisch muss nicht sein, dann eben in jeden Periode die entsprechenden Werte benutzen Nachfolgend sind drei verschiedene ösungsmöglichkeiten aufgeführt, die in den verschiedenen Kursen und üchern des ehrstuhls Fandel vorgestellt werden: Katharina Nuenighoff/Rolf aumanns WS 06/07 Seite 1

2 Materialwirtschaft KE2 - Dynamische estellmengenplanung - Das Verfahren von Wagner und Whitin IIa Rechnerische estimmung der optimalen agerhaltungspolitik (sp. 4 der KE1 S.19ff. I ähnlich eispiel 7.21 uch Rechenalternative uch Produktionsmanagement zusätzlich mit Hilfstabelle) gegeben: Perioden: 6 Monate Rohstoffbedarf pro Periode in Tonnen: (1)100, (2) 120, (3) 80, (4) 110, (5) 80, (6) 40 estellfixe Kosten: 250 GE agerkosten pro Tonne und Monat: 2,00 GE Annahmen: edarf zum Monatsbeginn, ieferung zum Monatsbeginn, estellung für ganze Monate gesucht: optimale estell- und agerhaltungspolitik ösung: Grundüberlegung: edarf kann zu eginn eines jeden Monats durch eine neue estellung für genau eine Periode gedeckt werden (estellfixe Kosten) oder edarf kann durch eine estellung gedeckt werden, die den edarf mehrerer Perioden abdeckt (Reichweite der estellmenge >1; estellfixe Kosten und agerkosten) oder Kombination aus beidem (estellfixe Kosten und agerkosten) Schritt 1: Um die optimale Politik zu erhalten, müssen erstmal die agerhaltungskosten ermittelt werden (ggf. mit der folgenden Hilfstabelle). Hilfstabelle bestellfixe Kosten: 250 agerkosten: Perioden Rohstoffbedarf Hilfszahl agerkosten erechnung: Rohstoffbedarf x (Periode + negative Hilfszahl) x agerkostens=k eispiel: 120 x (2-1) x 2 = 240 Hinweis: esart: ei der Hilfstabelle werden die jeweiligen agerkosten für den Rohstoffbedarf einer bestimmten Verbrauchsperiode bezogen auf eine bestimmte agerzeit ermittelt. Wird beispielsweise in der Periode 2 (negative Hilfszahl) der Rohstoffbedarf für die Periode 4 mitbestellt, so betragen die agerkosten für die Rohstoffe, die in Periode 4 verbraucht werden insgesamt 440 GE= 110 t x (4-2 Perioden) x2 GE/t) Die Periode (Verbrauchperiode) wird mit der negativen Hilfszahl (estellperiode x -1) addiert und entspricht dem agerzeitraum. ei Gleichheit der Perioden (sofortiger Verbrauch der bestellten Menge) ergibt sich so annahmegemäß auch ein Wert von Null für die agerkosten (sp. estellung erfolgt in estellperiode 2 für Verbrauchsperiode 2). In diesen Fällen ist in der Hilfstabelle jeweils eine Null einzutragen. Katharina Nuenighoff/Rolf aumanns WS 06/07 Seite 2

3 Materialwirtschaft KE2 - Dynamische estellmengenplanung - Das Verfahren von Wagner und Whitin Der linke Teil der Matrix bleibt frei, da man am estellzeitpunkt nicht mehr für vergangene Verbrauchperioden bestellt, sondern nur für die aktuelle und/ oder für zukünftige Perioden. Alternative für das Ausfüllen der Tabelle mit weniger Rechenaufwand: Zunächst wird die 0-Diagonale eingetragen, d.h. es werden die Felder mit einer 0 ausgefüllt, in denen estellung und Verbrauch zusammenfallen und daher keine agerkosten entstehen. bestellfixe Kosten: 250 agerkosten: Danach wird in der Diagonale darüber jeweils die Menge der entsprechenden Periode mit dem agerkostensatz multipliziert eingetragen: bestellfixe Kosten: 250 agerkosten: eispiel: (Periode 4) 110 x 2 = 220. Dann kann jede Spalte von unten nach oben ausgefüllt werden, indem für jeden Schritt nach oben noch einmal die zuerst berechneten agerkosten hinzugezählt werden. bestellfixe Kosten: 250 agerkosten: eispiel: (Periode 6) Unterste Zelle: 0 Darüber: agerkostensatz x Periodenbedarf = 2 x 40 = 80. Darüber: = 160. Darüber: = 240. usw. Katharina Nuenighoff/Rolf aumanns WS 06/07 Seite 3

4 Materialwirtschaft KE2 - Dynamische estellmengenplanung - Das Verfahren von Wagner und Whitin Schritt 2: Die agerkosten müssen nunmehr kumuliert werden sowie um die bestellfixen Kosten ergänzt werden, um die Gesamtkosten zu erhalten. Ausgangstabelle: Hilfstabelle bestellfixe Kosten: 250 agerkosten: Perioden Rohstoffbedarf agerkosten erechnung: kumul. Zeilenmenge (addieren der agerkosten und bestelllfixen Kosten) bis zur jew. Verbrauchsperiode eispiel: = = =250 Ergebnistabelle: Endtabelle estellperiode Verbrauchsperiode Hinweis: esart: Wird in Periode 2 die gesamte Rohstoffmenge für die Verbrauchsperioden 2 bis 5 bestellt ergeben sich Gesamtkosten (bestellfixe Kosten und agerkosten) in Höhe von 1330 GE Die optimale Politik ist an dieser Tabelle noch nicht ablesbar! Schritt 3: Anhand dieser Daten muss nun die optimale Politik ermittelt werden, welche die Gesamtkosten über die sechs Monate minimiert. Dazu erweitert man schrittweise den Planungshorizont und errechnet die für den betrachteten Planungshorizont minimalen Gesamtkosten. Hinweis: Um alle Möglichkeiten zu berücksichtigen, sollte man die Spalten nacheinander abarbeiten. Innerhalb der Spalten werden die Zeilen ebenfalls nacheinander betrachtet. Katharina Nuenighoff/Rolf aumanns WS 06/07 Seite 4

5 Materialwirtschaft KE2 - Dynamische estellmengenplanung - Das Verfahren von Wagner und Whitin Die Kosten sind im Folgenden aus der Ergebnistabelle abzulesen K ij Dabei sei der erste Index (i) der Startpunkt der etrachtung und ist demzufolge die estellperiode bzw. in der produziert wird und der zweite Index (j) die Verbrauchsperiode, bis zu der die estellung einschließlich reicht. Die Politiken weisen analoge Indizes auf p ij Die Kosten für die optimalen Politiken der Vorperioden sind aus dem Rechengang zu übertragen Planungshorizont 1 Monat (Spalte 1 der Endtabelle): Die einzige Möglichkeit ist zu eginn des ersten Monats den edarf für den ersten Monat zu decken (bestellfixe Kosten) K1=min K11= 250 optimale Politik p1=p11 Planungshorizont 2 Monate (Spalte 2): Zeile 1) Man kann zu eginn des ersten Monats den edarf für beide Monate bestellen oder Zeile 2) Optimalbestellung für Planungshorizont 1 vornehmen sowie im zweiten Monat für den zweiten Monate bestellen K 12 = 490 K 1 + K 22 = = 500 K2 = min [K12, (K1+K22)] = min [490,500] = 490 optimale Politik p2=p12 Planungshorizont 3 Monate (Spalte 3): Zeile 1) zu eginn des ersten Monats den edarf für alle drei Monate bestellen Zeile 2) Optimalbestellung für Planungshorizont 1 vornehmen sowie im zweiten Monat für die Monate zwei und drei bestellen Zeile 3) Optimalbestellung für den Planungshorizont 2 vornehmen sowie im dritten Monat für den dritten Monat bestellen K 13 = 810 K 1 + K 23 = = 660 K 2 + K 33 = = 740 K3=min [K13, (K1+K23), (K2+K33)]= min [810, 660, 740] = 660 optimale Politik p3=(p1,p23) Die verschiedenen Möglichkeiten analog fortgeführt Planungshorizont 4 Monate (Spalte 4): K 14 = 1470 K 1 + K 24 = = 1100 K 2 + K 34 = = 960 K 3 + K 44 = = 910 K 4 =min [K14, (K1+K24), (K2+K34); (K 3 + K 44 ) ]= min [1470, 1100, 960, 910] = 910 optimale Politik p 4 =(p 3,p 44 ) Katharina Nuenighoff/Rolf aumanns WS 06/07 Seite 5

6 Materialwirtschaft KE2 - Dynamische estellmengenplanung - Das Verfahren von Wagner und Whitin Planungshorizont 5 Monate (Spalte 5): K 15 = 2110 K 1 + K 25 = = 1580 K 2 + K 35 = = 1280 K 3 + K 45 = = 1070 K 4 + K 55 = = 1160 K 5 =min [K15, (K1+K25), (K2+K35), (K 3 + K 45 ), (K 4 + K 55 )] = min [2110, 1580, 1280, 1070, 1160] = 1070 optimale Politik p 5 =(p 3,p 45 ) Planungshorizont 6 Monate (Spalte 6): K 16 = 2510 K 1 + K 26 = = 1900 K 2 + K 36 = = 1520 K 3 + K 46 = = 1230 K 4 + K 56 = = 1240 K 5 + K 66 = = 1320 K 6 =min [K16, (K1+K26), (K2+K36), (K 3 + K 46 ), (K 4 + K 56 ), (K 5 + K 66 )] = min [2510, 1900, 1520, 1320, 1240, 1320] = 1230 optimale Politik p 6 =(p 3,p 46 ) Schritt 4: Durch Rückwärtsrechnen ermittelt man nun die optimale Politik für den gesamten Zeitraum: p6= (p3, p46) p3= (p1, p23) p1= p11 p6 entspricht (p11, p23, p46) Es entstehen estell- und agerkosten in Höhe von GE Hinweis: Die Gesamtkosten der optimalen Politik lassen sich einerseits beim Planungshorizont 6 Monate und andererseits auch aus der Endtabelle ( = 1230) ablesen. Endtabelle estellperiode Verbrauchsperiode Katharina Nuenighoff/Rolf aumanns WS 06/07 Seite 6

7 Materialwirtschaft KE2 - Dynamische estellmengenplanung - Das Verfahren von Wagner und Whitin IIb Rechnerische estimmung der optimalen agerhaltungspolitik (sp. 4 der KE 1 I 759 ähnlich eispiel 7.21 Rechenalternative Materialwirtschaft & Entsorgung wie Übungsaufgabe 6 KE 2) Woche edarf estellfixe Kosten c = 250, agerkosten l = 2,0 Schritt 1: Tabelle aufstellen Gegenüberstellung von Periodenbedarfen und möglichen estellzeitpunkten; Auflistung der Kosten der alternativ möglichen osgrößen (=edarfszusammenfassungen zu osen) Planungsperiode j edarf estellzeitpunkt i erechnung der ager- und bestellfixen Kosten für die einzelnen estellzeitpunkte: estellzeitpunkt i=1: ei isolierter etrachtung von Planungsperiode j=1 wird nur der edarf der aktuellen Periode bestellt. Es fallen keine agerkosten an, die Gesamtkosten entsprechen den bestellfixen Kosten in Höhe von c=250. Dies wird in das Feld der Tabelle eingetragen. Planungsperioden j=2;3;4: Die jeweilige osgröße entspricht der Summe der edarfe bis zum Planungszeitpunkt j. D.h. zum eispiel für j=3: =300. Hierfür fallen dann einmal bestellfixe Kosten (i=1) und die entsprechenden agerkosten an. Für j=3 belaufen sich die Gesamtkosten dann auf 250 (bestellfixe Kosten) ,01 (agerung des edarfs für j=2 für eine Periode) + 802,02 (agerung des edarfs für j=3 für 2 Perioden)= 810. estellzeitpunkt i=2: estellungen, die in i=2 erteilt werden, müssen nun auf der günstigsten osgrößenpolitik aus der Vorperiode aufsetzen. Diese ist für j=1 K min,1 =250. Mögliche osgrößenermittlung analog zu i=1. Die Gesamtkosten setzen sich aus den Kosten der optimalen osgrößenpolitik der Vorperiode sowie den anfallenden bestellfixen und agerkosten zusammen. Für i=2, j=3 bedeutet das 250 (aus der Vorperiode) (bestellfixe Kosten in j=2) + 802,01 (agerkosten für eine Periode) = 660. Für i=2, j=4 bedeutet das ,02 = = 1100 Für i=2, j=5 bedeutet das ,03 = = 1580 Für i=2, j=6 bedeutet das ,04 = = 1900 Katharina Nuenighoff/Rolf aumanns WS 06/07 Seite 7

8 Materialwirtschaft KE2 - Dynamische estellmengenplanung - Das Verfahren von Wagner und Whitin estellzeitpunkt i=3: estellungen in i=3 müssen wieder auf der günstigsten Alternative aus j=2 aufsetzen, d.h. K min,2 =490. Für i=3, j=3 ergibt sich dann: 490 (aus der Vorperiode) (bestellfixe Kosten in j=3) + 0 (agerkosten fallen nicht an) = 740. Für i=3, j=4 bedeutet das = = 960 Für i=3, j=5 bedeutet das = = 1280 Für i=3, j=6 bedeutet das = = 1520 Analog wird für alle weiteren Perioden verfahren. Schritt 2: Kostenminimum ermitteln Für jede Planungsperiode (d.h. Spalte) wird jetzt das Kostenminimum aus der Tabelle abgelesen. Es beträgt 250 für j=1, 490 für j=2, 660 für j=3, 910 für j=4, 1070 für j=5 und 1230 für j=6. Planungsperiode j edarf estellzeitpunkt i Kostenminimum Schritt 3: Rückwärtsrekursion Ausgehend von Planungsperiode j=6: Das ausgewiesene Kostenminimum von 1230 wird durch eine Zusammenfassung der estellung der edarfe von Periode 4, 5 und 6 erreicht. Im estellzeitpunkt i=4 werden somit =230 Einheiten bestellt. Planungsperiode j edarf estellzeitpunkt i Kostenminimum Da somit auch gleich die optimale ösung für j=4 bestimmt ist, ist als nächstes die Periode j=3 zu betrachten. Katharina Nuenighoff/Rolf aumanns WS 06/07 Seite 8

9 Materialwirtschaft KE2 - Dynamische estellmengenplanung - Das Verfahren von Wagner und Whitin Dort liegt das Minimum durch Zusammenfassung der Perioden 2 und 3 bei 660. Im estellzeitpunkt i=2 werden somit =200 Einheiten bestellt. Planungsperiode j edarf estellzeitpunkt i Kostenminimum Da somit auch gleich die optimale ösung für j=2 bestimmt ist, ist als letztes die Periode j=1 zu betrachten. Dort ist als einzige ösung die optimale ösung 250. Da hiermit auch die optimale ösung für j=1 bestimmt ist, ist die optimale Politik des Unternehmens für den gesamten Zeitraum gefunden: (p 11, p 23, p 46 ) mit den Gesamtkosten GE Katharina Nuenighoff/Rolf aumanns WS 06/07 Seite 9

10 Materialwirtschaft KE2 - Dynamische estellmengenplanung - Das Verfahren von Wagner und Whitin IIc Rechnerische estimmung der optimalen agerhaltungspolitik (sp. 4 der KE 1 I 759 Rechenalternative Materialwirtschaft & Entsorgung wie in KE2 S. 41ff.) ösungsverfahren nach EMAN Das ösungsverfahren basiert auf der von EMAN (1957) entwickelten dynamischen Optimierung und stellt eine problemspezifische Anwendung dieses Ansatzes dar. Die grundsätzliche Idee der dynamischen Programmierung besteht darin, ein Entscheidungsproblem in mehrere, einfacher zu lösende Teilprobleme so zu unterteilen, dass das sequenzielle ösen dieser Teilprobleme das Optimum des ursprünglichen Entscheidungsproblems liefert. ei der ösung der Teilprobleme basiert die jeweils nächste Entscheidung auf der bis dorthin optimalen Entscheidung des vorher gelösten Teilproblems. Mathematisch wird diese Idee durch die EMANSche Funktionalgleichung, die den Zusammenhang zwischen der optimalen ösung für das Teilproblem t und das Teilproblem t+1 herstellt, wiedergegeben. Das von WAGNER und WHITIN konzipierte estellmengenverfahren nutzt die besondere Struktur des dynamischen agerhaltungsmodells und stellt eine für diese Problemstellung speziell angepasste Vorgehensweise dar, bei der die Anzahl der zu berechnenden eschaffungs- und agerhaltungspolitiken und damit der Rechenaufwand der dynamischen Programmierung vermindert wird. WAGNER und WHITIN verwenden zur ösung des estellmengenproblems eine Vorwärtsrekursion mit anschließender Rückwärtsrechnung. ellmann sches Optimalitätsprinzip: Soll eine osgrößenpolitik bis zum Planungshorizont die optimale (=kostenminimale) Politik sein, dann muss diese Politik auch in den vorhergehenden Perioden die beste gewesen sein. Theoreme Das oben dargestellte Problem lässt sich unter anderem anhand von Standardsoftware für ganzzahlige Optimierungsprobleme lösen. Im Folgenden wird jedoch die Idee vorgestellt, wie das ursprüngliche, oben aufgeführte Problem als Aufgabe der Dynamischen Optimierung formuliert wird und dann rekursiv aufgrund der gegebenen Stufenstruktur gelöst werden kann. Das Modell besitzt drei spezielle Eigenschaften, die jetzt diskutiert werden: 1. Complementary Slackness 2. Separations-Theorem 3. Entscheidungshorizont-Theorem Zu 1: Complementary Slackness" Es gibt eine optimale Politik p t, auch zu verstehen als optimale Folge von Entscheidungen, die die Eigenschaft besitzt, dass nur produziert bzw. bestellt wird, wenn am Anfang einer neuen Teilperiode t bzw. am Ende einer Teilperiode t-1 kein positiver agerbestand vorhanden ist. Es gilt folgende edingung: Entweder: q t = 0 b t-1 >0 oder q t > 0 b t-1 = 0 für t = 1,2,...,T. Diese edingung lässt sich sehr schnell nachvollziehen, denn zu einem Zeitpunkt t, in dem ein positiver agerbestand b t-1 > 0 existiert, kann es nicht optimal sein, zu bestellen bzw. zu produzieren, da dadurch bestellfixe Kosten k > 0 anfallen würden. Demzufolge muss die letzte getätigte estellung um den edarf q t erhöht werden, da dadurch keine zusätzlichen Kosten k anfallen. Aus der obigen edingung folgt sofort, dass ganzzahlige Reichweiten der ose vorliegen müssen, da der Anfangsbestand in einer Periode t nicht ausreichen würde, die Nachfrage x t in der Periode t zu befriedigen, so dass in dieser Periode bestellt bzw. produziert werden muss, auch wenn ein positiver agerbestand b t-1 vorhanden gewesen ist. Eine weitere Eigenschaft lässt sich direkt aus der edingung der Complementary Slackness folgern: Für eine Periode m mit n < m gilt, dass, falls die Nachfrage x m durch eine estellung in der Periode n befriedigt wird, so wird t=n+1,...,m-1 die Nachfrage x t abgedeckt. Diese Eigenschaften vereinfachen die estimmung einer optimalen ösung in diesem dynamisch-deterministischen agerhaltungsmodell aufgrund der eingeschränkten Anzahl an zu berücksichtigenden Entscheidungsalternativen. Die optimale Politik kann jetzt bestimmt werden, indem die dargestellte Zielfunktion in eine Rekursionsbeziehung umgewandelt wird, in der sowohl die anfallenden Periodenkosten als auch die Folgekosten aufgrund einer optimalen Strategie enthalten sind. Zusammengefasst wird das Minimum über alle zulässigen osgrößen q t bestimmt. Die Wertfunktion, die man an dieser Stelle erhält, ist die ellman-gleichung des WAGNER/WHITIN-Modells. Diese Funktionalgleichung ist dann entsprechend der Vorgehensweise der Dynamischen Programmierung per Rekursion zu lösen. Auf eine ausführliche Darstellung wird an dieser Stelle verzichtet. Vielmehr soll im Folgenden eine weitere Vereinfachung der erechnung der ösung aufgrund der Struktur des vorliegenden Modells erläutert werden. Katharina Nuenighoff/Rolf aumanns WS 06/07 Seite 10

11 Materialwirtschaft KE2 - Dynamische estellmengenplanung - Das Verfahren von Wagner und Whitin Zu 2: Separations-Theorem" Falls am Ende der Periode t-1 keine Mengen mehr im ager sind, b t-1 = 0, dann können laut dem Separations-Theorem bei der estimmung der optimalen Politik p t die Perioden vor t, also 1,...,t-1 und die Perioden ab dem Zeitpunkt der etrachtung t, also t,...,t getrennt voneinander betrachtet werden. Diese Eigenschaft kann über die ellman-gleichung gelöst werden, jedoch soll an dieser Stelle die ökonomische Idee dieses Theorems ausreichend sein. Ist der optimale agerbestand zu eginn der Periode t gleich Null, dann können bei der estimmung der optimalen Politik die Perioden 1,...,t-1 und die Periode t,...,t getrennt betrachtet werden. Zu 3: Entscheidungshorizont-Theorem" Angenommen es sei optimal, dass in einer Periode i die Nachfrage aus einer estellung/produktion der Periode t i befriedigt werden kann, dann ist es ausreichend, wenn für eine Periode j>i nur die estellung/produktion der Perioden k t erücksichtigung findet. Falls t = i sein sollte, müssen nur Pläne ab dem Zeitpunkt / mit q t > 0 berücksichtigt werden. Dieser Sachverhalt wird in der iteratur auch als Entscheidungshorizont-Theorem bezeichnet. Würde man die Nachfrage in der Periode j durch eine estellung/produktion in einer Periode vor t befriedigen, jedoch sei es optimal die Nachfrage in i durch t zu befriedigen, dann würde die Complementary Slackness verletzt, da obwohl zum Zeitpunkt t ein agerbestand für die Periode j zur Verfügung steht, für die Periode i bestellt würde. Ist es optimal, die Nachfrage der Periode i aus der Produktion der Periode t i zu befriedigen, dann reicht es aus, wenn für eine Periode j > i nur die Produktion der Perioden k > t berücksichtigt wird. Falls i = t, dann ist es ausreichend, Pläne mit x i > 0 zu berücksichtigen. Wenn der edarf der Vorperiode i aus der Produktion der Perioden t i optimal befriedigt ist, der agerbestand zu eginn der aktuellen Periode i+1 Null ist und in dieser Periode ein neues os bestellt werden muss, dann reicht es nur die Perioden t > i zu betrachten Satz 2 ermöglicht eine Seperation optimaler Politiken; Satz 3 zeigt, wann der erste Teilplan optimal ist. gegeben: Perioden: 6 Monate Rohstoffbedarf pro Periode in Tonnen: (1)100, (2) 120, (3) 80, (4) 110, (5) 80, (6) 40 estellfixe Kosten: 250 GE agerkosten pro Tonne und Monat: 2,00 GE Annahmen: edarf zum Monatsbeginn, ieferung zum Monatsbeginn, estellung für ganze Monate gesucht: optimale estell- und agerhaltungspolitik ösung: Grundüberlegung: edarf kann zu eginn eines jeden Monats durch eine neue estellung für genau eine Periode gedeckt werden (estellfixe Kosten) oder edarf kann durch eine estellung gedeckt werden, die den edarf mehrerer Perioden abdeckt (Reichweite der estellmenge >1; estellfixe Kosten und agerkosten) oder Kombination aus beidem (estellfixe Kosten und agerkosten) Rekursionsgleichung WAGNER/ WHITIN k + K( t 1) K() t = min t min k + ( i j ) xik + K ( j 1) 0< t i= j + 1 Katharina Nuenighoff/Rolf aumanns WS 06/07 Seite 11

12 Materialwirtschaft KE2 - Dynamische estellmengenplanung - Das Verfahren von Wagner und Whitin Planungshorizont 1 Monat (t=1) Hier existiert nur eine Möglichkeit, und zwar: zu eginn des ersten Monats den edarf für den ersten Monat zu bestellen Für die estellperiode (t=1) in die Formel eingesetzt folgt, aufgrund der Annahme, dass in t=0 K(0)=0 gilt: K(1) = k + K(0) = k = Die optimale Politik für die Periode 1 werde mit p 1 bezeichnet und sei p 1 =p 11 Dabei sei der erste Index (i) der Startpunkt der etrachtung und demzufolge auch die Periode, in der bestellt bzw. produziert wird und der zweite Index (j) die Periode, zu der die estellung einschließlich reicht. p ij Planungshorizont 2 Monate (t=2) Es existieren zwei Möglichkeiten 1. zu eginn des ersten Monats den edarf für zwei Monate zu bestellen (p 12 ) 2. zu eginn des ersten Monats den edarf für diesen Monat (p 11 ) und zu eginn des zweiten Monats den edarf für den zweiten Monat (p 22 ) bestellen K (2) = min min k 0< 2 + k 2 i= j+ 1 + K(2 1) ( i j) x k i + K( j 1) p22 + p agerhaltungskosten edarf _ in_ P.2 K (2) = min K(1 1) min (2 1) < 2 j= 1_ und_ p 12 K (2) 500 = min K (2) = min 500 ;490 = 490 ( p1, p22) ( p12) Dies bedeutet, dass als optimale Politik p 2 = p 12 zu eginn der ersten Periode bestellt und der edarf für die zweite Periode durch agerung des Gutes in der ersten Periode gedeckt wird. Planungshorizont 3 Monate (t=3) Es existieren drei Möglichkeiten 1. zu eginn des ersten Monats den edarf für drei Monate zu bestellen (p 13 ) 2. zu eginn die optimale Politik für den ersten Monate zu wählen, d.h. den edarf für diesen Monat (p1=p11) und zu eginn des zweiten Monats den edarf für den zweiten und dritten Monat (p 23 ) bestellen 3. zu eginn die optimale Politik für die ersten beiden Monate zu wählen (p 2 =p 12 ) und zu eginn des dritten Monats den edarf nur für den dritten Monat (p 33 ) bestellen Katharina Nuenighoff/Rolf aumanns WS 06/07 Seite 12

13 Materialwirtschaft KE2 - Dynamische estellmengenplanung - Das Verfahren von Wagner und Whitin K (3) = min min k 0< 3 + k + K(3 1) 3 ( i j) xik + K( j 1) j+ 1 i= p33 + p agerhaltungskosten agerhaltungskosten agerhaltungskosten edarf _ in_ P.2 edarf_ in_ P.3 = (1 1) edarf _ in_ P.3 K (3) min K K(2 1) min (2 1) (3 1) ;250 + (3 2) < 3 j= 1_ und_ p = + 13 j 2_ und_ p23 p1 K (3) = min min 740 { ; } K (3) = min 740 ;810; 660 = 660 ( p2, p33) ( p13) ( p1, p23) Das optimale Verhalten des Unternehmens lautet für die etrachtung von (t=3) Perioden: p 3 = (p 11, p 23 ) = (p 1, p 23 ) Damit wurde festgelegt, dass eine weitere etrachtung der ersten Periode nicht mehr notwendig ist (Entscheidungshorizont-Theorem). Zu eginn der als letztes einbezogenen Periode (=2) war der agerbestand Null und es musste neu bestellt werden. Start jetzt in Periode 2. Planungshorizont 4 Monate (t=4) Es existieren vier Möglichkeiten 1. zu eginn des ersten Monats den edarf für drei Monate zu bestellen (p 14 ) entfällt wegen Theorem siehe vorher, erste Periode wird nicht mehr betrachtet 2. zu eginn die optimale Politik für den ersten Monate zu wählen, d.h. den edarf für diesen Monat (p1=p11) und zu eginn des zweiten Monats den edarf für den zweiten, dritten und vierten Monat (p 24 ) bestellen (p 1, p 24 ) 3. zu eginn die optimale Politik für die ersten beiden Monate zu wählen (p 2 =p 12 ) und zu eginn des dritten Monats den edarf für den dritten und vierten Monat (p 34 ) bestellen - (p 2, p 34 ) 4. zu eginn die optimale Politik für die ersten drei Monate zu wählen (p 3 = p 1, p 23 ) und zu eginn des vierten Monats den edarf nur für den dritten Monat (p 44 ) bestellen - (p 3, p 44 ) K (4) = min min k 1< 4 + k + K(4 1) 4 ( i j) xik + K( j 1) i= j+ 1 p44 + p agerhaltungskosten agerhaltungskosten agerhaltungskosten edarf _ in_ P.3 edarf_ in_ P.4 = (2 1) edarf _ in_ P.4 K (4) min K K(3 1) min (3 2) 80 + (4 2) ;250 + (4 3) < 4 j= 2_ und_ p + = + 24 p1 j 3_ und_ p34 p2 K (4) = min min 910 { ; } Katharina Nuenighoff/Rolf aumanns WS 06/07 Seite 13

14 Materialwirtschaft KE2 - Dynamische estellmengenplanung - Das Verfahren von Wagner und Whitin K (4) = min 910 ; 1100; 960 = 910 ( p3, p44) ( p1, p24) ( p2, p34) Die optimale Politik des Unternehmens lautet für die etrachtung von (t=4) Perioden: p 4 = (p 3, p 44 ) = (p 11, p 23, p 44 ) Damit ist festgelegt, dass neben der estellung in der ersten Periode (p 11 ) in der zweiten Periode für die zweite und dritte Periode (p 23 ) bestellt wird und daher nur noch Vergleiche ab der dritten Periode vorgenommen werden müssen (Separations-Theorem). Planungshorizont 5 Monate (t=5) Daher existieren nur zwei Möglichkeiten 1. zu eginn die optimale Politik für die ersten drei Monate zu wählen (p 3 =p 11, p 23 ) und zu eginn des vierten Monats den edarf für den vierten und fünften Monat (p 45 ) bestellen 2. zu eginn die optimale Politik für die ersten vier Monate zu wählen (p 4 = p 3, p 44 ) und zu eginn des fünften Monats den edarf nur für den fünften Monat (p 55 ) bestellen K (5) = min min k 3< 5 + k + K(5 1) 5 ( i j) xik + K( j 1) j+ 1 i= p55 + p agerhaltungskosten edarf _ in_ P.5 K (5) = min K(4 1) min (5 4) < 5 j= 4_ und_ p + 45 p3 K (5) 1160 = min K (5) = min 1160;1070 = 1070 ( p4, p55) ( p3, p45) Das optimale Verhalten des Unternehmens lautet für die etrachtung von (t=5) Perioden: p 5 = (p 3, p 45 ) = (p 11, p 23, p 45 ) Planungshorizont 6 Monate (t=6) Es existieren die eingeschränkten drei Möglichkeiten 1. zu eginn die optimale Politik für die ersten drei Monate zu wählen (p 3 =p 11, p 23 ) und zu eginn des vierten Monats den edarf für den vierten, fünften und sechsten Monat (p 46 ) bestellen 2. zu eginn die optimale Politik für die ersten vier Monate zu wählen (p 4 = p 3, p 44 ) und zu eginn des fünften Monats den edarf für den fünften und sechsten Monat (p 56 ) bestellen 3. zu eginn die optimale Politik für die ersten fünf Monate zu wählen (p 5 = p 3, p 45 ) und zu eginn des sechsten Monats den edarf nur für den sechsten Monat (p 66 ) bestellen Katharina Nuenighoff/Rolf aumanns WS 06/07 Seite 14

15 Materialwirtschaft KE2 - Dynamische estellmengenplanung - Das Verfahren von Wagner und Whitin K (6) = min min k 3< 6 + k + K(6 1) 6 ( i j) xik + K( j 1) i= j+ 1 p66 + p agerhaltungskosten agerhaltungskosten agerhaltungskosten edarf _ in_ P.5 edarf _ in_ P.6 = (4 1) edarf _ in_ P.6 K (6) min K K(5 1) min (5 4) 80 + (6 4) ;250 + (6 5) < 6 j= 4_ und_ p + = + 46 p3 j 5_ und_ p56 p4 K (6) = min min 1320 { ; } K (6) = min 1320; 1230; 1240 = 1230 ( p5, p66) ( p3, p46) ( p4, p56) Die optimale Politik des Unternehmens lautet für die etrachtung von (t=6) Perioden: p 6 = (p 3, p 46 ) = (p 11, p 23, p 46 ) p p p Die optimale Politik des Unternehmens für den gesamten Zeitraum lautet also: In der Periode eins wird nur für die gleiche Periode bestellt. In der Periode zwei wird für die zweite und dritte Periode bestellt, wobei der edarf für die dritte Periode zunächst gelagert wird. In der vierten Periode wird der edarf für die vierte Periode bestellt und zusätzlich der edarf für die fünfte und sechste Periode, welche zunächst eingelagert wird. Die Gesamtkosten von 1230 setzen sich wie folgt zusammen: = 750 estellkosten = 160 agerkosten für P = 160 agerkosten für P = 160 agerkosten für P Gesamtkosten Katharina Nuenighoff/Rolf aumanns WS 06/07 Seite 15

16 Materialwirtschaft KE2 - Dynamische estellmengenplanung - Das Verfahren von Wagner und Whitin Alternative Darstellung zu IIc Nachfolgend ist eine alternative Darstellung der Vorgehensweise bei IIc gezeigt, die auch in der Klausur gültig ist. Die allgemeine Formel muss aber trotzdem vorher dargestellt werden: Rekursionsgleichung WAGNER/ WHITIN k + K( t 1) K() t = min t min k + ( i j ) xik + K ( j 1) 0< t i= j + 1 rein schematisch werden die Perioden wie folgt dargestellt: Periode 1 Periode 2 Periode 3 Periode 4 Periode5 t 1 p 11 t 2 p 12 t 3 p 13 t 4 p 14 t 5 p 15 p 1 +p 22 p 1 +p 23 p 1 +p 24 p 1 +p 25 p 2 +p 33 p 2 +p 34 p 2 +p 35 p 3 +p 44 p 3 +p 45 p 3 +p 55 Planungshorizont 1 Monat (t=1) Die effektive Nachfrage der Periode 1 beträgt x 1 = 100, der agerbestand ist 0. ei einer einstufigen Entscheidung existiert nur eine Möglichkeit, und zwar: zu eginn des ersten Monats den edarf für den ersten Monat zu bestellen Für die estellperiode (t=1) in die Formel eingesetzt folgt, aufgrund der Annahme, dass in t=0 K(0)=0 gilt: K(1) = k + K(0) = k = 250 Die optimale Politik für die Periode 1 werde mit p 1 bezeichnet und sei p 1 =p 11 Dabei sei der erste Index (i) der Startpunkt der etrachtung und demzufolge auch die Periode, in der bestellt bzw. produziert wird und der zweite Index (j) die Periode, zu der die estellung einschließlich reicht. p ij Planungshorizont 2 Monate (t=2) In einem zweistufigen Prozess existieren zwei Möglichkeiten 1. zu eginn des ersten Monats den edarf für zwei Monate zu bestellen (p 12 ) K(2) = k + x k + K(0) = K(0) = k = = zu eginn des ersten Monats den edarf für diesen Monat (p = p 11 ) und zu eginn des zweiten Monats den edarf für den zweiten Monat (p 22 ) bestellen K(2) = k + K(1) = k = = 500 Die Alternative 1 ist kostengünstiger. Sie ergibt die Politik p = p 12 K(2) = 490 Katharina Nuenighoff/Rolf aumanns WS 06/07 Seite 16

17 Materialwirtschaft KE2 - Dynamische estellmengenplanung - Das Verfahren von Wagner und Whitin Planungshorizont 3 Monate (t=3) In einem dreistufigen Prozess existieren drei Möglichkeiten 1. zu eginn des ersten Monats den edarf für drei Monate zu bestellen (p 13 ) K(3) = k + ( x + 2 x) k + K(0) = ( ) = = zu eginn die optimale Politik für den ersten Monate zu wählen, d.h. den edarf für diesen Monat (p1=p11) und zu eginn des zweiten Monats den edarf für den zweiten und dritten Monat (p 23 ) bestellen K(3) = k + x k + K(1) = = k = = zu eginn die optimale Politik für die ersten beiden Monate zu wählen (p 2 =p 12 ) und zu eginn des dritten Monats den edarf nur für den dritten Monat (p 33 ) bestellen K(3) = k + K(2) = = = 740 Das optimale Verhalten des Unternehmens lautet für die etrachtung von (t=3) Perioden Alternative 2: p 3 = (p 11, p 23 ) = (p 1, p 23 ) K(3) = 660 Damit wurde festgelegt, dass eine weitere etrachtung der ersten Periode nicht mehr notwendig ist (Entscheidungshorizont-Theorem). Zu eginn der als letztes einbezogenen Periode (t=2) war der agerbestand Null und es musste neu bestellt werden. Start jetzt in Periode 3. Planungshorizont 4 Monate (t=4) In einem vierstufigen Prozess existieren vier Möglichkeiten, diese haben sich durch die Anwendung des Theorems auf drei reduziert: 1. zu eginn des ersten Monats den edarf für drei Monate zu bestellen (p 14 ) entfällt wegen Theorem siehe vorher, erste Periode wird nicht mehr betrachtet 2. zu eginn die optimale Politik für den ersten Monat zu wählen, d.h. den edarf für diesen Monat (p 1 =p 11 ) und zu eginn des zweiten Monats den edarf für den zweiten, dritten und vierten Monat (p 24 ) bestellen (p 1, p 24 ) K(4) = k + ( x + 2 x ) k + K(1) = ( ) = = zu eginn die optimale Politik für die ersten beiden Monate zu wählen (p 2 =p 12 ) und zu eginn des dritten Monats den edarf für den dritten und vierten Monat (p 34 ) bestellen - (p 2, p 34 ) K(4) = k + x k + K(2) = = = zu eginn die optimale Politik für die ersten drei Monate zu wählen (p 3 = p 1, p 23 ) und zu eginn des vierten Monats den edarf nur für den dritten Monat (p 44 ) bestellen - (p 3, p 44 ) K(4) = k + K(3) = = 910 Die optimale Politik des Unternehmens lautet für die etrachtung von (t=4) Perioden Alternative 4 : p 4 = (p 3, p 44 ) = (p 11, p 23, p 44 ) K(4) = 910 Damit ist festgelegt, dass neben der estellung in der ersten Periode (p 11 ) in der zweiten Periode für die zweite und dritte Periode (p 23 ) bestellt wird. Daher ist der agerbestand zu eginn der 4. Periode = 0 und deshalb müssen nur noch Vergleiche nach der dritten Periode vorgenommen werden (Separations-Theorem). Zu eginn der als letztes einbezogenen Periode (=4) war der agerbestand Null und es musste neu bestellt werden. Start jetzt in Periode 4. Katharina Nuenighoff/Rolf aumanns WS 06/07 Seite 17

18 Materialwirtschaft KE2 - Dynamische estellmengenplanung - Das Verfahren von Wagner und Whitin Planungshorizont 5 Monate (t=5) Daher existieren nur zwei Möglichkeiten: 1. zu eginn die optimale Politik für die ersten drei Monate zu wählen (p 3 =p 11, p 23 ) und zu eginn des vierten Monats den edarf für den vierten und fünften Monat (p 45 ) bestellen K(5) = k + x k + K(3) = = = zu eginn die optimale Politik für die ersten vier Monate zu wählen (p 4 = p 3, p 44 ) und zu eginn des fünften Monats den edarf nur für den fünften Monat (p 55 ) bestellen K(5) = k + K(4) = = 1160 Das optimale Verhalten des Unternehmens lautet für die etrachtung von (t=5) Perioden Alternative 2: p 5 = (p 3, p 45 ) = (p 11, p 23, p 45 ) K(5) = 1070 Hier wäre das Entscheidungshorizont-Theorem, da aber oben das Separations-Theorem angewendet wurde, ist dies hinfällig. Planungshorizont 6 Monate (t=6) Es existieren die eingeschränkten drei Möglichkeiten: 1. zu eginn die optimale Politik für die ersten drei Monate zu wählen (p 3 =p 11, p 23 ) und zu eginn des vierten Monats den edarf für den vierten, fünften und sechsten Monat (p 46 ) bestellen K(6) = k + ( x + 2 x ) k + K(3) = ( ) = = zu eginn die optimale Politik für die ersten vier Monate zu wählen (p 4 = p 3, p 44 ) und zu eginn des fünften Monats den edarf für den fünften und sechsten Monat (p 56 ) bestellen K(6) = k + x k + K(4) = = = zu eginn die optimale Politik für die ersten fünf Monate zu wählen (p 5 = p 3, p 45 ) und zu eginn des sechsten Monats den edarf nur für den sechsten Monat (p 66 ) bestellen K(6) = k + K(5) = = 1320 Die optimale Politik des Unternehmens lautet für die etrachtung von (t=6) Perioden Alternative 1: p 6 = (p 3, p 46 ) = (p 11, p 23, p 46 ) K(6) = 1230 p p p Die optimale Politik des Unternehmens für den gesamten Zeitraum lautet also: In der Periode eins wird nur für die gleiche Periode bestellt. In der Periode zwei wird für die zweite und dritte Periode bestellt, wobei der edarf für die dritte Periode zunächst gelagert wird. In der vierten Periode wird der edarf für die vierte Periode bestellt und zusätzlich der edarf für die fünfte und sechste Periode, welche zunächst eingelagert wird. Die Gesamtkosten von 1230 setzen sich wie folgt zusammen: = 750 estellkosten = 160 agerkosten für P = 160 agerkosten für P = 160 agerkosten für P Gesamtkosten Katharina Nuenighoff/Rolf aumanns WS 06/07 Seite 18

1. Einführung 2. Lagerhaltungsmodelle bei schwankendem Absatz 3. Heuristische Verfahen 4. Wagner-Whitin-Verfahren

1. Einführung 2. Lagerhaltungsmodelle bei schwankendem Absatz 3. Heuristische Verfahen 4. Wagner-Whitin-Verfahren Entscheidungsprozesse i.d. Lagerhaltung 1. Einführung 2. Lagerhaltungsmodelle bei schwankendem Absatz 3. Heuristische Verfahen 4. Wagner-Whitin-Verfahren 1 Klassisches Lagerhaltungsproblem 700 Lagerhaltungskosten

Mehr

Aufgabe des Monats Mai

Aufgabe des Monats Mai Aufgabe des Monats Mai 2013 1 Ein Monopolist produziere mit folgender Kostenfunktion: K(x) = x 3 12x 2 + 60x + 98 und sehe sich der Nachfragefunktion (Preis-Absatz-Funktion) p(x) = 10, 5x + 120 gegenüber.

Mehr

A2.3 Lineare Gleichungssysteme

A2.3 Lineare Gleichungssysteme A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen

Mehr

8. Planung optimaler Bestellmengen ausgewählte praxisrelevante Bedingungen

8. Planung optimaler Bestellmengen ausgewählte praxisrelevante Bedingungen 8. Planung optimaler Bestellmengen ausgewählte praxisrelevante Bedingungen Definitionen, Grundsätzliches Fertigungslos (Fertigungsauftrag) Als Losgröße wird die Menge gleichartiger Materialien (z.b. Rohmaterial,

Mehr

Kommentiertes Beispiel für das Gaußsche Eliminationsverfahren

Kommentiertes Beispiel für das Gaußsche Eliminationsverfahren Kommentiertes Beispiel für das Gaußsche Eliminationsverfahren oder: Wie rechnet eigentlich der TI 84, wenn lineare Gleichungssysteme gelöst werden? Hier wird an einem Beispiel das Gaußsche Verfahren zum

Mehr

Ressourceneinsatzplanung in der Fertigung

Ressourceneinsatzplanung in der Fertigung Fakultät Informatik, Institut für Angewandte Informatik, Professur Modellierung und Simulation Ressourceneinsatzplanung in der Fertigung Dr. Christoph Laroque Sommersemester 2012 Dresden, Ressourceneinsatzplanung

Mehr

1 Zahlentheorie. 1.1 Kongruenzen

1 Zahlentheorie. 1.1 Kongruenzen 3 Zahlentheorie. Kongruenzen Der letzte Abschnitt zeigte, daß es sinnvoll ist, mit großen Zahlen möglichst einfach rechnen zu können. Oft kommt es nicht darauf, an eine Zahl im Detail zu kennen, sondern

Mehr

Dynamische Optimierung

Dynamische Optimierung Dynamische Optimierung Michaela Nettekoven Abteilung für Quantitative Betriebswirtschaftslehre und Operations Research Wirtschaftsuniversität Wien 21. Januar 2005 Unter dynamischer Optimierung versteht

Mehr

Optimieren unter Nebenbedingungen

Optimieren unter Nebenbedingungen Optimieren unter Nebenbedingungen Hier sucht man die lokalen Extrema einer Funktion f(x 1,, x n ) unter der Nebenbedingung dass g(x 1,, x n ) = 0 gilt Die Funktion f heißt Zielfunktion Beispiel: Gesucht

Mehr

Datenstrukturen & Algorithmen

Datenstrukturen & Algorithmen Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Dynamische Programmierung Einführung Ablaufkoordination von Montagebändern Längste gemeinsame Teilsequenz Optimale

Mehr

Entscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?

Entscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum

Mehr

2.3 ELEMENTARE BERECHNUNGEN 2.3.1 Grundlagen

2.3 ELEMENTARE BERECHNUNGEN 2.3.1 Grundlagen Fabianca BWL III Elementare Berechnungen 2-17 2.3 ELEMENTARE BERECHNUNGEN 2.3.1 Grundlagen Die in diesem Abschnitt vorgestellten grundlegenden Berechnungen werden Ihnen in jeder Klausur wieder begegnen.

Mehr

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok Kurs über Lineare Gleichungssysteme PD Dr. Karin Halupczok Mathematisches Institut Albert-Ludwigs-Universität Freiburg http://home.mathematik.unifreiburg.de/halupczok/diverses.html karin.halupczok@math.uni-freiburg.de

Mehr

Investitionsdauerentscheidungen

Investitionsdauerentscheidungen Investitionsdauerentscheidungen Investitionsdauerentscheidungen werden in Nutzungsdauerprobleme und Ersatzzeitpunktprobleme unterteilt. Abbildung 1 soll die Untergliederung der Investitionsdauerentscheidungen

Mehr

Planen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher

Planen 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

Mehr

Grundlagen der Mathematik von Ansgar Schiffler - Seite 1 von 7 -

Grundlagen der Mathematik von Ansgar Schiffler - Seite 1 von 7 - - Seite von 7 -. Wie lautet die allgemeine Geradengleichung? (Mit Erklärung). Ein Telefontarif kostet 5 Grundgebühr und pro Stunde 8 cent. Wie lautet allgemein die Gleichung für solch einen Tarif? (Mit

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Dr. H. Macholdt 7. September 2005 1 Motivation Viele Probleme aus dem Bereich der Technik und der Naturwissenschaften stellen uns vor die Aufgabe mehrere unbekannte Gröÿen gleichzeitig

Mehr

1 Lineare Optimierung, Simplex-Verfahren

1 Lineare Optimierung, Simplex-Verfahren 1 Lineare Optimierung, Simplex-Verfahren 1.1 Einführung Beispiel: In einer Fabrik werden n Produkte A 1, A 2,..., A n hergestellt. Dazu werden m Rohstoffe B 1, B 2,..., B m (inklusive Arbeitskräfte und

Mehr

Microsoft Excel 2016 Relative und absolute Bezüge

Microsoft Excel 2016 Relative und absolute Bezüge Hochschulrechenzentrum Justus-Liebig-Universität Gießen Microsoft Excel 2016 Relative und absolute Bezüge Relative und absolute Bezüge in Excel 2016 Seite 1 von 8 Inhaltsverzeichnis Vorwort... 2 Relativer

Mehr

Übungsaufgaben zur Vorlesung BWL A Produktion:

Übungsaufgaben zur Vorlesung BWL A Produktion: Betriebswirtschaftslehre, insbes. Produktionswirtschaft Prof. Dr. Stefan Betz Übungsaufgaben zur Vorlesung BWL A Produktion: Aufgabe 1 Definieren Sie die folgenden Begriffe, und grenzen Sie diese voneinander

Mehr

Dynamische Optimierung. Kapitel 4. Dynamische Optimierung. Peter Becker (H-BRS) Operations Research II Wintersemester 2014/15 160 / 206

Dynamische Optimierung. Kapitel 4. Dynamische Optimierung. Peter Becker (H-BRS) Operations Research II Wintersemester 2014/15 160 / 206 Kapitel 4 Dynamische Optimierung Peter Becker (H-BRS) Operations Research II Wintersemester 2014/15 160 / 206 Inhalt Inhalt 4 Dynamische Optimierung Allgemeiner Ansatz und Beispiele Stochastische dynamische

Mehr

Arbeitsblatt Logische Verknüpfungen Schaltnetzsynthese

Arbeitsblatt Logische Verknüpfungen Schaltnetzsynthese Einleitung Zur Aktivitätsanzeige der 3 Gehäuselüfter (Signale a - c) eines PC-Systems soll eine Logikschaltung entwickelt werden, die über drei Signalleuchten (LEDs) anzeigt, ob ein beliebiger (LED1 x),

Mehr

Ein Tabellenverfahren zur Lösung linearer Gleichungssysteme

Ein Tabellenverfahren zur Lösung linearer Gleichungssysteme Ein Tabellenverfahren zur Lösung linearer Gleichungssysteme Holger Krug 17. Februar 2007 1 Das Tabellenverfahren Zum Lösen linearer Gleichungssysteme gibt es mehrere Verfahren. Alle Verfahren haben gemeinsam,

Mehr

Unimodularität. Kapitel 1. Peter Becker (H-BRS) Operations Research II Wintersemester 2015/16 11 / 206

Unimodularität. Kapitel 1. Peter Becker (H-BRS) Operations Research II Wintersemester 2015/16 11 / 206 Kapitel 1 Unimodularität Peter Becker (H-BRS) Operations Research II Wintersemester 2015/16 11 / 206 Inhalt 1 Unimodularität Total unimodulare Matrizen Inzidenzmatrix Optimierungsprobleme auf Graphen Peter

Mehr

Vollständige Induktion

Vollständige Induktion Schweizer Mathematik-Olympiade smo osm Vollständige Induktion Aktualisiert: 1 Dezember 01 vers 100 Eine der wichtigsten Beweistechniken der Mathematik überhaupt ist die (vollständige) Induktion Wir nehmen

Mehr

= * 281 = : 25 = oder 7x (also 7*x) oder (2x + 3) *9 oder 2a + 7b (also 2*a+ 7*b)

= * 281 = : 25 = oder 7x (also 7*x) oder (2x + 3) *9 oder 2a + 7b (also 2*a+ 7*b) GLEICHUNGEN Gleichungslehre Bisher haben Sie Aufgaben kennen gelernt, bei denen eine Rechenoperation vorgegeben war und Sie das Ergebnis berechnen sollten. Nach dem Gleichheitszeichen war dann das Ergebnis

Mehr

Bestimmung einer ersten

Bestimmung einer ersten Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,

Mehr

Primzahlen Primfaktorzerlegung :

Primzahlen Primfaktorzerlegung : Primzahlen Primfaktorzerlegung : An dieser Stelle werde ich die meisten Zusammenhänge aufzeigen, welche mir im Laufe der Zeit bewusst wurden. Bemerkung: Da ich das Wurzelzeichen leider nicht korrekt angezeigt

Mehr

Umsetzung von DEA in Excel

Umsetzung von DEA in Excel Umsetzung von DEA in Excel Thorsten Poddig Armin Varmaz 30. November 2005 1 Vorbemerkungen In diesem Dokument, das als Begleitmaterial zum in der Zeitschrift,,Controlling, Heft 10, 2005 veröffentlichten

Mehr

Grundlagen der Elektrotechnik 1

Grundlagen der Elektrotechnik 1 Grundlagen der Elektrotechnik Kapitel : Berechnungsverfahren für Netzwerke Berechnungsverfahren für Netzwerken. Überlagerungsprinzip. Maschenstromverfahren. Knotenpotentialverfahren 6. Zweipoltheorie 7.5

Mehr

1. Beispiel 1, die Tabelle Daten 1

1. Beispiel 1, die Tabelle Daten 1 Nachdem ich im letzten Newsletter einige Funktionen vorgestellt habe, biete ich im Newsletter vom März praktische Anwendungsbeispiele dazu an. Im ersten Beispiel in der Tabelle Daten1 geht es darum, gezielt

Mehr

Eine zweidimensionale Stichprobe

Eine zweidimensionale Stichprobe Eine zweidimensionale Stichprobe liegt vor, wenn zwei qualitative Merkmale gleichzeitig betrachtet werden. Eine Urliste besteht dann aus Wertepaaren (x i, y i ) R 2 und hat die Form (x 1, y 1 ), (x 2,

Mehr

Lösungen zu den Übungsaufgaben aus Kapitel 3

Lösungen zu den Übungsaufgaben aus Kapitel 3 Lösungen zu den Übungsaufgaben aus Kapitel 3 Ü3.1: a) Die Start-Buchungslimits betragen b 1 = 25, b 2 = 20 und b 3 = 10. In der folgenden Tabelle sind jeweils die Annahmen ( ) und Ablehnungen ( ) der Anfragen

Mehr

Aufstellen einer Funktionsgleichung nach vorgegebenen Eigenschaften

Aufstellen einer Funktionsgleichung nach vorgegebenen Eigenschaften Aufstellen einer Funktionsgleichung nach vorgegebenen Eigenschaften W. Kippels 10. April 2016 Inhaltsverzeichnis 1 Grundlagen 2 1.1 Prinzipielle Vorgehensweise.......................... 2 1.2 Lösungsrezepte................................

Mehr

Lineare (Un-)Gleichungen und lineare Optimierung

Lineare (Un-)Gleichungen und lineare Optimierung Lineare (Un-)Gleichungen und lineare Optimierung Franz Pauer Institut für Mathematik, Universität Innsbruck Technikerstr. 13/7, A-6020 Innsbruck, Österreich franz.pauer@uibk.ac.at 1 Einleitung In der linearen

Mehr

Arbitrage Free Pricing

Arbitrage Free Pricing Beim CAPM wurde gezeigt, dass man Finanztitel basierend auf der Verteilung ihres künftigen Preises bewerten kann. Dabei haben wir [unter der Annahme gewisser Präferenzen des Es] den Preis eines Finanztitels

Mehr

Mathematik Matrizenrechnung

Mathematik Matrizenrechnung Mathematik Matrizenrechnung Einstufige Prozesse Rechenregeln für Matrizen Mehrstufige Prozesse Inverse Matrix Stochastische Prozesse 6 Zyklisches Verhalten Einstufige Prozesse Einstufige Prozesse Zur Beschreibung

Mehr

Beschaffung. Prof. Dr. Martin Moog. Lehrstuhl für Forstliche Wirtschaftslehre

Beschaffung. Prof. Dr. Martin Moog. Lehrstuhl für Forstliche Wirtschaftslehre Beschaffung Begriffe des Beschaffungswesens Optimierung der Bestellmenge bei kontinuierlichem Verbrauch (Andler sche Formel) Optimierung der Bestellmenge bei diskontinuierlichem Verbrauch (WILO-Verfahren,

Mehr

Aufgabenblatt 5 (Schnellübung)

Aufgabenblatt 5 (Schnellübung) Frühlingssemester 0, Aufgabenblatt (Schnellübung) Aufgabenblatt (Schnellübung) 30 Punkte Aufgabe (Kettenbrüche) a) Bestimme [b 0, b,..., b ] = [,... ], die Kettenbruchentwicklung von r = 3/9. b) Bestimme

Mehr

AUFGABEN. Klausur: Modul Optimierungsmethoden des Operations Research. Termin:

AUFGABEN. Klausur: Modul Optimierungsmethoden des Operations Research. Termin: Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Prof. Dr. Andreas Kleine AUFGABEN Klausur: Modul 32621 Optimierungsmethoden des Operations Research Termin:

Mehr

Einführung in die Volkswirtschaftslehre

Einführung in die Volkswirtschaftslehre Einführung in die Volkswirtschaftslehre Übung 1: Mathematische Analyseinstrumente Dipl.-Volksw. J.-E.Wesselhöft/ Dipl.-Volksw. J.Freese Bachelor Modul Volkswirtschaftliche Analyse (WS-14-V-03) HT 2009

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass

Mehr

LINGO: Eine kleine Einführung

LINGO: Eine kleine Einführung LINGO: Eine kleine Einführung Jun.-Prof.Dr. T. Nieberg Lineare und Ganzzahlige Optimierung, WS 2009/10 LINDO/LINGO ist ein Software-Paket, mit dessen Hilfe (ganzzahlige) lineare Programme schnell und einfach

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der

Mehr

4. Wässrige Lösungen schwacher Säuren und Basen

4. Wässrige Lösungen schwacher Säuren und Basen 4. Wässrige Lösungen schwacher Säuren und Basen Ziel dieses Kapitels ist es, das Vorgehenskonzept zur Berechnung von ph-werten weiter zu entwickeln und ph-werte von wässrigen Lösungen einprotoniger, schwacher

Mehr

Ausarbeitung zum Modulabschluss. Graphentheorie. spannende Bäume, bewertete Graphen, optimale Bäume, Verbindungsprobleme

Ausarbeitung zum Modulabschluss. Graphentheorie. spannende Bäume, bewertete Graphen, optimale Bäume, Verbindungsprobleme Universität Hamburg Fachbereich Mathematik Seminar: Proseminar Graphentheorie Dozentin: Haibo Ruan Sommersemester 2011 Ausarbeitung zum Modulabschluss Graphentheorie spannende Bäume, bewertete Graphen,

Mehr

Fachakademie für Wirtschaft der FHM A2: Lineare Optimierung und das Simplexverfahren

Fachakademie für Wirtschaft der FHM A2: Lineare Optimierung und das Simplexverfahren A2.1 Lineare Optimierung mit dem Simplexverfahren Wenn ein Unternehmen ermitteln möchte, wie viele Mengeneinheiten von verschiedenen Produkten zu produzieren sind, damit bei gegebenen Verkaufspreisen der

Mehr

ERLÄUTERUNGEN ZUM KRAFTGRÖßENVERFAHREN An einem einfachen Beispiel soll hier das Prinzip des Kraftgrößenverfahrens erläutert werden.

ERLÄUTERUNGEN ZUM KRAFTGRÖßENVERFAHREN An einem einfachen Beispiel soll hier das Prinzip des Kraftgrößenverfahrens erläutert werden. FACHBEREICH 0 BAUINGENIEURWESEN Arbeitsblätter ERLÄUTERUNGEN ZUM An einem einfachen Beispiel soll hier das Prinzip des Kraftgrößenverfahrens erläutert werden.. SYSTEM UND BELASTUNG q= 20 kn / m C 2 B 4

Mehr

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.

Die 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,

Mehr

Nichtlineare Optimierung ohne Nebenbedingungen

Nichtlineare Optimierung ohne Nebenbedingungen Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt

Mehr

TM Längenänderung mit dem Dreisatz Seite 1 von 7

TM Längenänderung mit dem Dreisatz Seite 1 von 7 TM Längenänderung mit dem Dreisatz Seite 1 von 7 Ich zeige, wie man eine Längenänderung mit dem Dreisatz berechnen kann. Dabei benutze ich dieselben Beispiele wie bei der Berechnung mit der Formel l =

Mehr

A.5.1 Die Matrix und elementare wirtschaftsrelevante Anwendungen

A.5.1 Die Matrix und elementare wirtschaftsrelevante Anwendungen A.5.1 Die Matrix und elementare wirtschaftsrelevante Anwendungen Eine Matrix vom Typ M mxn (oder eine (m x n)-matrix) ist ein rechteckiges Zahlenschema mit m Zeilen und n Spalten. Im folgenden Beispiel

Mehr

12.4 Berechnung und Darstellung betriebswirtschaftlicher Funktionen

12.4 Berechnung und Darstellung betriebswirtschaftlicher Funktionen 1. Berechnung und Darstellung betriebswirtschaftlicher Funktionen 1..1 Kostenfunktion a) Vorgaben und Fragestellung Die Materialkosten für die Herstellung eines Stücks belaufen sich auf CHF 1.--. Die anteilmässigen

Mehr

Dynamische Programmierung. Problemlösungsstrategie der Informatik

Dynamische Programmierung. Problemlösungsstrategie der Informatik als Problemlösungsstrategie der Informatik und ihre Anwedung in der Diskreten Mathematik und Graphentheorie Fabian Cordt Enisa Metovic Wissenschaftliche Arbeiten und Präsentationen, WS 2010/2011 Gliederung

Mehr

3. Das Gleichungssystem

3. Das Gleichungssystem Lagerung: Damit das Fachwerk Kräfte aufnehmen kann, muss es gelagert werden, Die Lagerung muss so beschaffen sein, dass keine Starrkörperbewegungen oder Mechanismen mehr möglich sind. Die Verschiebungen

Mehr

6 Bestimmung linearer Funktionen

6 Bestimmung linearer Funktionen 1 Bestimmung linearer Funktionen Um die Funktionsvorschrift einer linearen Funktion zu bestimmen, muss man ihre Steigung ermitteln. Dazu sind entweder Punkte gegeben oder man wählt zwei Punkte P 1 ( 1

Mehr

Zahlenfolgen. Aufgabe 1 (Streichholzfiguren)

Zahlenfolgen. Aufgabe 1 (Streichholzfiguren) Zahlenfolgen Aufgabe (Streichholzfiguren) a) Wie viele Streichhölzer benötigt man für die 0. Figur? b) Gib für die Streichholzfolge eine rekursive und eine explizite Berechnungsvorschrift an. Aufgabe (Quadratzahlen)

Mehr

Gruber I Neumann. Erfolg in VERA-8. Vergleichsarbeit Mathematik Klasse 8 Gymnasium

Gruber I Neumann. Erfolg in VERA-8. Vergleichsarbeit Mathematik Klasse 8 Gymnasium Gruber I Neumann Erfolg in VERA-8 Vergleichsarbeit Mathematik Klasse 8 Gymnasium . Zahlen Zahlen Tipps ab Seite, Lösungen ab Seite 0. Zahlen und Zahlenmengen Es gibt verschiedene Zahlenarten, z.b. ganze

Mehr

Magische Quadrate. Die Abbildung zeigt einen Ausschnitt aus Albrecht Dürers Kupferstich «Melancholie».

Magische Quadrate. Die Abbildung zeigt einen Ausschnitt aus Albrecht Dürers Kupferstich «Melancholie». 4 9 2 3 5 7 8 6 2 Magische Quadrate Magische Quadrate ie bbildung zeigt einen usschnitt aus lbrecht ürers Kupferstich «Melancholie». ei genauem Hinsehen erkennen Sie ein magisches Quadrat vierter Ordnung.

Mehr

Aufgabe 1: Malerarbeiten

Aufgabe 1: Malerarbeiten Aufgabe 1: Malerarbeiten Fritz braucht zwei Stunden, um ein Zimmer zu streichen. Susi braucht für das gleiche Zimmer drei Stunden. Wie lange brauchen beide zusammen, um das Zimmer zu streichen? Lösung:

Mehr

FernUniversität in Hagen März 2013 Fakultät für Wirtschaftswissenschaft

FernUniversität in Hagen März 2013 Fakultät für Wirtschaftswissenschaft FernUniversität in Hagen März 2013 Fakultät für Wirtschaftswissenschaft Name: Vorname: Unterschrift: Klausur im Hauptstudium: Grundlagen des Marketing Modulnummer: 31621 Aufgabe 1 2 3 4 Gesamt maximale

Mehr

3 Lineare elektrische Gleichstromkreise

3 Lineare elektrische Gleichstromkreise 3. Eigenschaften elektrischer Stromkreise 7 3 Lineare elektrische Gleichstromkreise 3. Eigenschaften elektrischer Stromkreise Lineare elektrische Stromkreise bestehen aus auelementen mit einer linearen

Mehr

Vorbereitungskurs Mathematik

Vorbereitungskurs Mathematik Vorbereitungskurs Mathematik Grundlagen für das Unterrichtsfach Mathematik für die Fachhochschulreifeprüfung Zweijährige Höhere Berufsfachschule Berufsoberschule I Duale Berufsoberschule Inhalt 0. Vorwort...

Mehr

Basistext Lineare Gleichungssysteme. Eine lineare Gleichung mit einer Unbekannten hat die allgemeine Form! #=%

Basistext Lineare Gleichungssysteme. Eine lineare Gleichung mit einer Unbekannten hat die allgemeine Form! #=% Basistext Lineare Gleichungssysteme Eine lineare Gleichung mit einer Unbekannten hat die allgemeine Form! #=% Mit zwei Unbekannten gibt es die allgemeine Form:! #+% '=( Gelten mehrere dieser Gleichungen

Mehr

4. Kreis- und Wegeprobleme Abstände in Graphen

4. Kreis- und Wegeprobleme Abstände in Graphen 4. Kreis- und Wegeprobleme Abstände in Graphen Abstände in Graphen Definition 4.4. Es sei G = (V,E) ein Graph. Der Abstand d(v,w) zweier Knoten v,w V ist die minimale Länge eines Weges von v nach w. Falls

Mehr

= 7 (In Binärdarstellung: = 0111; Unterlauf) = -8 (In Binärdarstellung: = 1000; Überlauf)

= 7 (In Binärdarstellung: = 0111; Unterlauf) = -8 (In Binärdarstellung: = 1000; Überlauf) Musterlösung Übung 2 Aufgabe 1: Große Zahlen Das Ergebnis ist nicht immer richtig. Die Maschine erzeugt bei Zahlen, die zu groß sind um sie darstellen zu können einen Über- bzw. einen Unterlauf. Beispiele

Mehr

WHB11 - Mathematik Klausurübungen für die Klausur Nr. 3 AFS 3 Analysis: Ökonomische lineare Funktionen

WHB11 - Mathematik Klausurübungen für die Klausur Nr. 3 AFS 3 Analysis: Ökonomische lineare Funktionen Basiswissen für die Klausur Fixkosten sind Kosten, die unabhängig von der produzierten Menge anfallen, d.h. sie sind immer gleich, egal ob 20 oder 50 oder 100 Stück von einem Gut produziert werden. Man

Mehr

Doing Economics with the Computer Sommersemester 2002. Excel Solver 1

Doing Economics with the Computer Sommersemester 2002. Excel Solver 1 Universität Bern Kurt Schmidheiny / Manuel Wälti Doing Economics with the Computer Sommersemester 2002 Excel Solver 1 Mit dem Solver unterstützt Excel eine Funktion, mit der u.a. komplex verschachtelte

Mehr

Corinne Schenka Vorkurs Mathematik WiSe 2012/13

Corinne Schenka Vorkurs Mathematik WiSe 2012/13 4. Lineare Gleichungssysteme Ein lineares Gleichungssystem ist ein System aus Gleichungen mit Unbekannten, die nur linear vorkommen. Dieses kann abkürzend auch in Matrizenschreibweise 1 notiert werden:

Mehr

Übungsbeispiel 1: Quadratische Modellierung

Übungsbeispiel 1: Quadratische Modellierung Übungsbeispiel 1: Quadratische Modellierung Ein Uhrenhersteller möchte den Preis für sein neues Modell festlegen und führt dazu eine Marktanalyse durch. Das Ergebnis lautet: Bei einem Preis von 60 ist

Mehr

AUFGABENTEIL. Klausur: Modul Optimierungsmethoden des Operations Research. Termin:

AUFGABENTEIL. Klausur: Modul Optimierungsmethoden des Operations Research. Termin: Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. Andreas Kleine AUFGABENTEIL Klausur: Modul 32621 Termin: 19.09.2016 Prüfer: Prof. Dr. Andreas

Mehr

Analytische Geometrie

Analytische Geometrie Analytische Geometrie Übungsaufgaben Lineare Gleichungssysteme Oberstufe Alexander Schwarz www.mathe-aufgaben.com Oktober 05 Pflichtteilaufgaben (ohne GTR) Aufgabe : Löse die folgenden linearen Gleichungssysteme:

Mehr

J Quadratwurzeln Reelle Zahlen

J Quadratwurzeln Reelle Zahlen J Quadratwurzeln Reelle Zahlen J Quadratwurzeln Reelle Zahlen 1 Quadratwurzeln Ein Quadrat habe einen Flächeninhalt von 64 cm. Will man wissen, wie lang die Seiten des Quadrates sind, so muss man herausfinden,

Mehr

Algorithmen und Datenstrukturen 1 Kapitel 3

Algorithmen und Datenstrukturen 1 Kapitel 3 Algorithmen und Datenstrukturen 1 Kapitel 3 Technische Fakultät robert@techfak.uni-bielefeld.de Vorlesung, U. Bielefeld, Winter 2005/2006 3.6 Dynamische Programmierung Die rekursive Problemzerlegung kann

Mehr

Repetitionsaufgaben: Lineare Gleichungen

Repetitionsaufgaben: Lineare Gleichungen Kantonale Fachschaft Mathematik Repetitionsaufgaben: Lineare Gleichungen Zusammengestellt von Hannes Ernst, KSR Lernziele: - Lineare Gleichungen von Hand auflösen können. - Lineare Gleichungen mit Parametern

Mehr

Die Winkelsumme in Vierecken beträgt immer 360.

Die Winkelsumme in Vierecken beträgt immer 360. 98 5 Flächenberechnung Wussten Sie schon, dass (bezogen auf die Fläche) Ihr größtes Organ Ihre Haut ist? Sie hat durchschnittlich (bei Erwachsenen) eine Größe von ca. 1,6 bis 1,9 m2. Wozu brauche ich das

Mehr

Neoklassische Produktions- und Kostenfunktion Mathematische Beschreibung zu einer Modellabbildung mit Excel

Neoklassische Produktions- und Kostenfunktion Mathematische Beschreibung zu einer Modellabbildung mit Excel Neoklassische Produktions- und Kostenfunktion Mathematische Beschreibung zu einer Modellabbildung mit Excel Dieses Skript ist die allgemeine Basis eines Modells zur Simulation der ökonomischen Folgen technischer

Mehr

1 Goldener Schnitt Pascalsches Dreieck Der Binomische Lehrsatz ( ) ß mit a multipliziert. ( a+ b) 4 = a 3 +3a 2 b+3ab 2 + b 3

1 Goldener Schnitt Pascalsches Dreieck Der Binomische Lehrsatz ( ) ß mit a multipliziert. ( a+ b) 4 = a 3 +3a 2 b+3ab 2 + b 3 1 Goldener Schnitt Pascalsches Dreieck 17 1.3 Pascalsches Dreieck 1.3.1 Der Binomische Lehrsatz Aus der Schule ist Ihnen mit Sicherheit die Binomische Regel bekannt: ( ) 2 = a 2 +2ab+ b 2 a+ b Diese Regel

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder

Mehr

Statische Versuchsplanung (DoE - Design of Experiments)

Statische Versuchsplanung (DoE - Design of Experiments) Statische Versuchsplanung (DoE - Design of Experiments) Übersicht Bei der statistischen Versuchsplanung wird die Wirkung von Steuerparametern unter dem Einfluss von Störparametern untersucht. Mit Hilfe

Mehr

Lineares Optimieren. W. Kippels 12. April Inhaltsverzeichnis. 1 Einleitung 2. 2 Die Beispielaufgabe 2. 3 Einführung von Schlupfvariablen 2

Lineares Optimieren. W. Kippels 12. April Inhaltsverzeichnis. 1 Einleitung 2. 2 Die Beispielaufgabe 2. 3 Einführung von Schlupfvariablen 2 Lineares Optimieren W. Kippels 1. April 015 Inhaltsverzeichnis 1 Einleitung Die Beispielaufgabe Einführung von Schlupfvariablen 4 Die Simplex-Methode 5 Das Basis-Austauschverfahren 4 6 Fortsetzung der

Mehr

Ermittlung der wertmäßigen Kosten bei Gewinnmaximierung

Ermittlung der wertmäßigen Kosten bei Gewinnmaximierung PROF. DR. HEINZ LOTHAR GROB DR. FRANK BENSBERG LEHRSTUHL FÜR WIRTSCHAFTSINFORMATIK UND CONTROLLING WESTFÄLISCHE WILHELMS-UNIVERSITÄT MÜNSTER Ermittlung der wertmäßigen Kosten bei Gewinnmaximierung 1. Datensituation

Mehr

Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler

Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler Wintersemester 2007/08 27.2.2008 Dr. Sascha Kurz Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler Bitte lesbar ausfüllen, Zutreffendes ankreuzen Herr Frau Name, Vorname: Anschrift:

Mehr

Mathematik 1, Teil B. Inhalt:

Mathematik 1, Teil B. Inhalt: FH Emden-Leer Fachb. Technik, Abt. Elektrotechnik u. Informatik Prof. Dr. J. Wiebe www.et-inf.fho-emden.de/~wiebe Mathematik 1, Teil B Inhalt: 1.) Grundbegriffe der Mengenlehre 2.) Matrizen, Determinanten

Mehr

Produktions- und Absatzwirtschaft der Ernährungsindustrie

Produktions- und Absatzwirtschaft der Ernährungsindustrie Produktions- und Absatzwirtschaft der Ernährungsindustrie Sommersemester 2011 Prof. Dr. Justus Wesseler Technische Universität München - Weihenstephan Justus.wesseler@tum.de 08161 / 71-5632 Lernziele:

Mehr

Exponential- und Logarithmusfunktionen:

Exponential- und Logarithmusfunktionen: Exponential- und Logarithmusfunktionen: Wachstum, Zerfall, Regression 1) Eva möchte sich ein Fahrrad kaufen Ihre Eltern wollen ihr einen Zuschuss geben Ihr Vater macht ihr folgendes Angebot: 5 Euro würde

Mehr

LU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.

LU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen. Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems

Mehr

Da die Hieroglyphen in der Präsentation nicht erkennbar waren, hier Kopien der Folien.

Da die Hieroglyphen in der Präsentation nicht erkennbar waren, hier Kopien der Folien. Da die Hieroglyphen in der Präsentation nicht erkennbar waren, hier Kopien der Folien. Die ältesten Zahlenangaben stammen aus der 1. und 2. Dynastie, die zwischen 3300 und 2740 vor Christus einzuordnen

Mehr

von Zahlenfolgen, die bei Gebietsteilungsproblemen

von Zahlenfolgen, die bei Gebietsteilungsproblemen Zahlenfolgen bei Gebietsteilungsproblemen Karin Halupczok Oktober 005 Zusammenfassung Gesucht sind rekursive und explizite Bildungsgesetze von Zahlenfolgen, die bei Gebietsteilungsproblemen auftauchen:

Mehr

Zahldarstellung mit negativen Ziffern

Zahldarstellung mit negativen Ziffern Zahldarstellung mit negativen Ziffern In Dezimalschreibweise ist der Wert einer n-stelligen Zahl d n 1... d 3 d 2 d 1 d gegeben durch den Term d n 1 1 n 1 +... + d 3 1 3 + d 2 1 2 + d 1 1 + d 1, wobei

Mehr

3.2 Lineare Optimierung (Entscheidungen unter Sicherheit)

3.2 Lineare Optimierung (Entscheidungen unter Sicherheit) 3. Lineare Optimierung (Entscheidungen unter Sicherheit) Betrachtet wird hier der Fall Θ = (bzw. die Situation u(a, ϑ) bzw. l(a,ϑ) konstant in ϑ Θ für alle a A). Da hier keine Unsicherheit über die Umweltzustände

Mehr

Bündner Mittelschulen Einheitsprüfung 2015 Arithmetik und Algebra. Korrekturanweisung

Bündner Mittelschulen Einheitsprüfung 2015 Arithmetik und Algebra. Korrekturanweisung Bündner Mittelschulen Einheitsprüfung 2015 Arithmetik und Algebra Korrekturanweisung Es werden nur ganze Punkte vergeben. Negative Punktzahlen sind nicht möglich. 1-Punkteaufgaben werden nur richtig (1

Mehr

Umstellen und Lösen von Gleichungen

Umstellen und Lösen von Gleichungen Umstellen und Lösen von Gleichungen (c) Hans-Detmar Pelz Im gesamten Verlauf der Mathematik in der Oberstufe ist es mötig, Gleichungen nach einer Variablen aufzulösen. Dabei sind einige Regeln zu beachten,

Mehr

Aufgabe Summe

Aufgabe Summe Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Florian Sahling Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-

Mehr

2. Aufgabe Die Berechnung der optimalen Bestellmenge mittels der Andler'schen Formel basiert auf den vier Parametern

2. 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

Mehr

B. Verfahren der Investitionsrechnung

B. Verfahren der Investitionsrechnung Auf einen Blick: Statische Investitionsrechnungsverfahren die klassischen Verfahren zur Berechnung der Vorteilhaftigkeit einer Investition. Dynamische Investitionsrechnungsverfahren der moderne Weg zur

Mehr

Wurzelgleichungen. 1.1 Was ist eine Wurzelgleichung? 1.2 Lösen einer Wurzelgleichung. 1.3 Zuerst die Wurzel isolieren

Wurzelgleichungen. 1.1 Was ist eine Wurzelgleichung? 1.2 Lösen einer Wurzelgleichung. 1.3 Zuerst die Wurzel isolieren 1.1 Was ist eine Wurzelgleichung? Wurzelgleichungen Beispiel für eine Wurzelgleichung Eine Wurzelgleichung ist eine Gleichung bei der in mindestens einem Radikanten (Term unter der Wurzel) die Unbekannte

Mehr

3. Schnittebenenverfahren

3. Schnittebenenverfahren 3. Schnittebenenverfahren Themen 3. Schnittebenenverfahren Ganzzahlige lineare Programmierung Schnittebenenverfahren Konstruktion von Schnittebenen Auswahl von Schnittrestriktionen Operations Research

Mehr

Dynamische Optimierung im Dienstleistungsbereich

Dynamische Optimierung im Dienstleistungsbereich Dynamische Optimierung im Dienstleistungsbereich Univ.-Prof. Dr. Jochen Gönsch Universität Duisburg-Essen Mercator School of Management Lehrstuhl für Betriebswirtschaftslehre, insb. Service Operations

Mehr

Lineare Gleichungssysteme mit zwei Variablen

Lineare Gleichungssysteme mit zwei Variablen Lineare Gleichungssysteme mit zwei Variablen Anna Heynkes 4.11.2005, Aachen Enthält eine Gleichung mehr als eine Variable, dann gibt es unendlich viele mögliche Lösungen und jede Lösung besteht aus so

Mehr