Upload
vannhan
View
216
Download
0
Embed Size (px)
Citation preview
Anhang A
Optimale Zeilenaggregationsgewichte der LP Aggregation
In Unterabschnitt 2.4.1 erwiihnen wir, dass die Schattenpreise der Nebenbedingungen die
optimalen Gewichte fUr eine Zeilenaggregation im Rahmen der LP Aggregation reprii
sentieren, so dass der aggregierte optimale Zielfunktionswert dem optimalen detaillierten
Zielfunktionswert entspricht, d.h. zj* = C'X' = C(g')' X' = ZF'. Der Stern kennzeichnet
dabei die Optimallosung. Eine Begriindung fUr die Verwendung dieser Schattenpreise soll
im Folgenden gegeben werden.
Es wird o.B.d.A. angenommen, dass alle Nebenbedingungen zu einer einzelnen Nebenbe
dingung zusammenzufassen sind. Ausgangspunkt ist dabei folgendes lineare Programm,
wobei aij die Elemente der Koeffizientenmatrix mit i = 1, ... , n und j = 1, ... , m, Cj die
Zielfunktionskoeffizienten und bi die Elemente der rechten Seite beschreibt.
zj* = I: Cj Xj -+ max j
I: a;jxj ::; bi Vi j
Xj ~O Vj
Eine Zeilenaggregation im primalen linearen Programm entspricht einer Spaltenaggrega
tion im dualen Programm. Das dazugehorige duale lineare Programm lautet
zj* = I:bi Ui -+min i
I:aijUi ~ Cj Vj
Ui ~O Vi.
160 Anhang A. Optimale Zeilenaggregationsgewichte
Nun sind diejenigen Zeilenaggregationsgewichte Zi gesucht, bei denen im Optimum die ag
gregierten und detaillierten Zielfunktionswerte ubereinstimmen. Aufgrund der Annahme
der Aggregation aller Zeilen zu einer aggregierten, enthiilt das aggregierte lineare Modell
nur noch eine duale aggregierte Variable U. Die Spaltenaggregationsmatrix s besitzt die
Struktur s = (Zl, ... , zn). Die aggregierte Koeffizientenmatrix ergibt sich durch Matrizen
multiplikation zu
und die aggregierten Zielfunktionskoeffizienten zu C(s) = 2:i Zibi . Das aggregierte duale
lineare Programm besitzt folgende Gestalt:
ZF*= (2:zibi )U -> min i
(2: Ziaij)U ? Cj \:Ij
U ?O
Es stellt sich nun die Frage, wie die Gewichte Zi gewiihlt werden mussen, so dass der
optimale Zielfunktionswert des detaillierten linearen Programms mit dem optimalen Ziel
funktionswert des aggregierten linearen Programms ubereinstimmt.
Von den m aggregierten Nebenbedingungen wird mindestens eine duale Nebenbedingung
k - unabhiingig von der Wahl von z; - bindend sein, d.h. einen Schlupf von 0 aufweisen
und somit 2:i aikzi = Ck ergeben. Unter dieser Annahme liisst sich U* durch
C' U* = max--J - = 1
j LaijZ:
bestimmen. Sollte ein positiver Schlupf OJ > 0 in einer dualen Nebenbedingung j auftreten,
gilt stets L:: ( Cj *)+ < 1. j UtJZ t OJ
Die optimalen Gewichte fUr die Zeilenaggregation folgen nun aus
ZF* = (L,zibi)U* = (L,z;bi)mF 2:~jz: = L,zibi = L,uibi = L,Cjxj = zf*. 'l '/. j 1 t J
161
Dadurch wird ersichtlich, dass eine am optimalen Zielfunktionswert orientierte Aggrega
tion als optimale Aggregationsgewichte z; die Schattenpreise der detaillierten Nebenbe
dingungen ui verwendet.
Entsprechend liisst sich ebenfalls eine Aussage bezuglich der optimalen Spaltenaggregati
onsgewichte ableiten, die auf den optimalen Werten der detaillierten Variablen beruhen. 1
1 Vgl. Unterabschnitt 2.4.1.
Anhang B
Konzept der verteilten Entscheidungsfindung
Die verteilte Entscheidungsfindung nach SCHNEEWEISS bildet einen allgemeinen Rahmen
zur Beschreibung von verteilten Planungssituationen, Aushandlungen sowie Fiihrungs
hierarchien1 Den Ausgangspunkt des Konzepts bilden gemiW Abbildung B.1 eine iiber
geordnete Top- und eine untergeordnete Basis-Ebene. Beide Ebenen werden durch ein
Modell beschrieben, das aus einem Kriterium G, einem Entscheidungsfeld A sowie einem
Informationsstand I besteht.
Bereits zum Zeitpunkt der Planung beriicksichtigt die Top-Ebene die Auswirkungen ihrer
Entscheidung auf die Basis-Ebene, indem sie die moglichen Reaktionen der Basis-Ebene
antizipiert und in ihre Planung einfiieBen liisst. Das Kriterium des Top-Modells GT liisst
sich in das Privatkriterium GTT und in das Top-Down-Kriterium GTB einteilen. 1m Top
Down-Kriterium werden die antizipierten Basis-Entscheidungen (um-) bewertet, und es
repriisentiert die Bestandteile des Top-Kriteriums, die von der antizipierten Basis-Ebene
abhangen. Die Top-Ebene benutzt ein hypothetisches antizipiertes Basis-Modell, an dem
sie ihre Entscheidung in Form einer Instruktion IN weiter gibt. Sie kann sowohl die tat
sachliche als auch die antizipierte Basis-Ebene durch das Basis-Kriterium 6fN' das Basis
Entscheidungsfeld A7N und den Basis-lnformationsstand ifN beeinflussen. Unter Vorgabe
der Instruktion IN optimiert die antizipierte Basis-Ebene ihre Zielfunktion 6B und er
mittelt auf diese Weise die optimale Entscheidung aB'. Diese Berechnung der optimalen
antizipierten Entscheidung wird formal durch die Antizipationsfunktion AF(IN) beschrie-
lWir stellen im Folgenden den Teil des Konzepts Yor, der fur die yorliegende Arbeit yon Bedeutung ist. Eine umfassendere Darstellung findet sich in SCHNEEWEISS (2003), S. 25 If.
164 Anhang B. Konzept der verteilten Entscheidungsfindung
Top-Ebene
I MI'(CT, AT, ITo) I 1 IN(aT) i AF(IN)
l MB(CB,AB,iB) J
1 IN' = IN(aT')
MB(CB,AB,Ie)
Abb. B.1: Konzept der verteilten Entscheidungsfindung
ben. Grundsatzlich lassen sich zwei Arten der Antizipation unterscheiden. Wahrend die
Top-Ebene bei einer reaktiven Antizipation die Reaktion der antizipierten Basis-Ebene in
ihrer Entscheidung berticksichtigt, beachtet sie bei einer nicht-reaktiven oder pauschalen
Antizipation nur allgemeine Eigenschaften der Basis-Ebene. Eine Antizipationsfunktion
ist somit bei einer nicht-reaktiven Antizipation nicht vorhanden.
Zum Zeitpunkt to kann die Top-Ebene u.U. nur unzureichend tiber die Basis-Ebene in
formiert sein. So konnen Parameter der Basis-Ebene zum Zeitpunkt to nur stochastisch
vorliegen. Die Top-Ebene hat nun unter Beachtung der verschiedenen Realisierungen der
Zufallsvariablen und der Instruktion die antizipierte Basis-Ebene zu losen. In diesem Fall
befinden sich im Informationsstand der Top-Ebene ITo die Wahrscheinlichkeitsverteilungen
der Zufallsvariablen der Basis-Ebene.
Formal lasst sich das Konzept der hierarchischen Planung durch die Aufstellung der
sogenannten Kopplungsgleichungen beschreiben:
aT' arg oPtaTEA~FE{CT[CTT(aT, CTB(AF(I N(aT))))ll Ii,) (B.l)
IN IN(aT) (B.2)
AF(IN) aBo = arg optaBEAB E{ CfN(aB) I ifN} IN (B.3)
a B' arg optaBEA7N' E{ CfN' (aB)lIfN',tJ (B.4)
165
Die Top-Gleichung (B.1) ermittelt zum Zeitpunkt to die optimale Entscheidung aT' un
ter Beachtung des Top-Kriteriums CT und Top-Entscheidungsfeldes AT. AnschlieBend
wird die optimale Entscheidung als Instruktion (B.2) an die antizipierte Basis-Ebene wei
tergegeben. Die Gl. (B.3) beschreibt die Antizipation der optimalen Basis-Entscheidung
aB'. Zum Zeitpunkt tl berechnet die tatsachliche Basis-Ebene (B.4) unter Beachtung der
optimalen Instruktion I N* die optimale Basis-Entscheidung aB '.
Literaturverzeichnis
ANTHONY, R.N. (1965). Planning and Control Systems: A Framework for Analysis.
Boston.
ApPA, G. (1997). The use of linear programming duality in mixed integer programming.
IMA Journal of Mathematics Applied in Business and Industry 8: 225-242.
AXSATER, S. (1981). Aggregation of product data for hierarchical production planning.
Operations Research 29(4): 744-756.
AXSATER, S. (1986). On the feasibility of aggregate production plans. Operations Re
search 34(5): 796-800.
AXSATER, S., ET AL. (1983). Approximate Aggregation of Product Data. Engineering
Costs and Production Economics 7: 119-126.
AXSATER, S., JONSSON, H. (1984). Aggregation and disaggregation in hierarchical
production planning. European Journal of Operational Research 17: 338-350.
BARTELS, S. (1986). Entwicklung und Beurteilung von Aggregationsstrategien fUr linea
re Entscheidungsmodelle. Lang: Frankfurt am Main, Bern, New York.
BELVAUX, G., WOLSEY, L.A. (2001). Modelling Practical Lot-Sizing Problems as
Mixed-Integer Programs. Management Science 47(7): 993-1007.
BENDERS, J.F. (1962). Partioning procedures for solving mixed variables programming
problem. Numerische Mathematik 4: 238-252.
BERNOW, O. (2003). Aggregation in der Hierarchischen Produktionsplanung. Diplomar
beit am Lehrstuhl fUr ABWL und Unternehmensplanung der Universitat Mannheim.
BITRAN, G.R., HAAS, E.A., HAX, A.C. (1981). Hierarchichal Production Planning:
A Single Stage System. Operations Research 29(4): 717-743.
BITRAN, G.R., HAX, A.C. (1977). On the Design of Hierarchical Production Planning
Systems. Decision Sciences 8: 28-55.
168 Literaturverzeichnis
BOSKMA, K. (1982). Aggregation and the design of models for medium-term planning
of production. European Journal of Operational Research 10: 244-249.
DANTZIG, G.B., WOLFE, PH. (1961). The Decomposition Algorithm for Linear Pro
gramms. Econometrica 29: 767-778.
DOMSCHKE, W., SCHOLL, A., Voss, S. (1993): Produktionsplanung. Ablauforganisa
torische Aspekte. Springer: Heidelberg.
DUDKIN, L. M., RABINOVICH, 1., VAKHUTINSKY, 1. (1987). Iterative Aggregation
Theory: Mathematical Methods of Coordinating Detailed and Aggregate Problems
in Large Control Systems, Dekker: New York.
EISELE, W. (1980). Technik des betrieblichen Rechnungswesen. Vahlen: Miinchen.
FANDEL, G. (1991). Theory of production and cost. Springer: Heidelberg.
FISCHER, M.L. (1981). The Lagrangean Relaxation Method for solving Integer Pro
gramming Problems. Management Science 27(1): 1-18.
FISHER, W.D. (1969). Clustering and Aggregation in Economics. Hopkins: Baltimore.
GOMORY, R.E., BAUMOL, W.J. (1960). Integer Programming and Pricing. Econome
trica 28(3): 521-550.
GRAVES, S.C. (1982). Lagrangean techniques to solve hierarchical problems. Manage
ment Science 28(3): 260-275.
GUNTHER, H.O., TEMPELMEIER, H. (1995): Produktion und Logistik, 2. Auflage,
Springer: Berlin.
HARTUNG, J., ELPELT, B., KL<5sENER, K.-H., Statistik (1993). Lehr- und Handbuch
der angewandten Statistik, 9. Auflage, Oldenburg: Miinchen und Wien.
HAUTH, M. (1998). Hierarchisch integrierte Planungsansiitze in der ProzeBfertigung.
Gabler: Wiesbaden.
HAX, A.C., BITRAN, G.R. (1979). Hierarchical planning systems: a production app
lication. In: Ritzman, L.P., et al. Disaggregation, Problems in manufacturing and
service organizations. Nijhoff: Boston.
HAX, A.C., CANDEA, D. (1984). Production and Inventory Management. Prentice-Hall:
Englewood Cliffs.
HAX, A.C., MEAL, D. (1975). Hierarchical integration of production planning and
scheduling. In: M.A. Geisler. Logistics, TIMS Studies in the Management Sciences.
North Holland: Amsterdam.
Literaturverzeichnis 169
HOITSCH, H.-J. (1995). Kosten- und Erliisrechnung. Springer: Heidelberg.
HOLT, C.C. (1960). Planning production, inventories and work force. Prentice-Hall:
Englewood Cliffs.
KISTNER, K.-P., SWITALSKI, M. (1989). Hierarchische Produktionsplanung. Zeitschrift
flir Betriebswirtschaft 5: 477-503.
LEISTEN, R. (1995). Iterative Aggregation und mehrstufige Entscheidungsmodelle. Phy
sica: Heidelberg.
LIESEGANG, D.G. (1980). Aggregeation bei linearen Optimierungsmodellen. Habilitati
onsschrift, Universitat zu Kiiln, Kiiln.
LP-SOLVE (2003). Nichtkommerzieller Solver flir lineare und gemischt-ganzzahlige Pro
gramme, ftp:j /ftp.es.ele.tue.nl/pub/lp_solve.
MANZ, J. (1983). Zur Anwendung der Aggregation auf mehrperiodige lineare Produkti
onsplanungsprobleme. Lang: Frankfurt am Main, Bern, New York.
MEHRA, A., MINIS, 1., PROTH, J.-M. (1997): Hierarchical Production Planning for Ge
neral Job Shop. Part 1: Modeling. Rapport de Recherche No. 2633. Institut National
de Recherche en Informatique et en Automatique (INRIA), Metz, France.
NEUMANN, K. (1977). Operations Research Verfahren. Band II. Dynamische Optimie
rung, Lagerhaltung, Simulation, Warteschlangen. Hanser: Mlinchen, Wien.
ROGERS, L.M, EVANS, R.J., PLANTE, R.D., WONG, R.T. (1991). Aggregation and
disaggregation techniques and methodology in optimization. Operations Research
39( 4): 553-582.
ROHDE, J., WAGNER, M. (2000). Master Planning. In: Stadler, H., Kilger, C. (Hrsg.).
Supply Chain Management and Advanced Planning: Concepts, Models, Software and
Case Studies. Springer: Berlin.
SAP-APO (2003). SAP - Advanced Planner and Optimizer, http://www.sap.com.
SCHNEEWEISS, CH. (1974). Dynamisches Programmieren. Physica: Wlirzburg.
SCHNEEWEISS, CH. (1981). Modellierung industrieller Lagerhaltungssysteme. Einflih-
rung und Fallstudien. Springer: Heidelberg.
SCHNEEWEISS, CH. (1991). Planung 1. Systemanalytische und entscheidungstheoretische
Grundlagen. Springer: Heidelberg.
SCHNEEWEISS, CH. (1992). Planung 2. Konzepte der ProzeB- und Modellgestaltung.
Springer: Heidelberg.
170 Literaturverzeichnis
SCHNEEWEISS, CH. (1997). EinfUhrung in die Produktionswirtschaft. Springer: Heidel
berg.
SCHNEEWEISS, CH. (1999). Hierarchische Planung als Grundlage moderner Kostenrech
nungssysteme, Diskussionsarbeit Nr. 60, Lehrstuhl fUr ABWL und Unternehmens
planung, Universitat Mannheim.
SCHNEEWEISS, CH. (2002). Supply Chain Management. Diskussionsarbeit, Lehrstuhl
ftir ABWL und Unternehmensplanung, Universitat Mannheim.
SCHNEEWEISS, CH., KLEINDIENST, E. (2004). Aggregation of Mixed Integer Production
Planning Models by Shadow Prices in Supply Chain Management. In: Dykhoff, H.,
Lackes, R., Reese, J. Supply Chain Management and Reverse Logistics. Springer:
Berlin.
SCHNEEWEISS, CH. (2003). Distributed Decision Making. 2. Auflage, Springer: Berlin,
Heidelberg, New York.
SMITH, S.A., AGRAWAL, N., TSAY, A.A. (2002). SAM: A Decision Support System for
Retail Supply Chain Planning for private-label Merchandise with multiple Vendors.
In: Geunes, J., Pardalos, P.M., Romeijn, H.E. Supply Chain Management. Models,
Applications, and Research Directions. Kluwer: Dordrecht.
STADLER, H. (1988). Hierarchische Produktionsplanung bei losweiser Fertigung. Physi
ca: Heidelberg.
SWITALSKI, M. (1988). Hierarchische Produktionsplanung und Aggregation. Zeitschrift
fUr Betriebswirtschaft 3: 381-396.
TRADEMATRIX (2003). Supply Chain Management Software Package of i2,
http://tradematrix.com.
VISUAL C++ (2003). Entwicklungsumgebung fUr C++, http://msdn.microsoft.com/
visualc.
WAGNER, H.M., WHITIN, T.H. (1958). Dynamic Version of the Economic Lot Size
Model. Management Science 5(1): 89-96.
WALSTRA, P. ET AL. (1999). Dairy Technology. Principles of Milk Properties and Pro
cesses. Marcel Dekker: New York, Basel.
WILLIAMS, H.P. (1990). Model Building in Mathematical Programming. 3. Auflage.
John Wiley and Sons: Chichester.
Literaturverzeichnis 171
WITTEMANN, N. (1985). Produktionsplanung mit verdichteten Daten. Springer: Berlin,
Heidelberg, New York, Tokyo.
ZIPKIN, P.R. (1979). Aggregation in Linear Programming. Ph. D. Thesis. Yale Univer
sity. New Haven.
ZIPKIN, P.R. (1979a). Bounds on the Effect of Aggregation Variables in Linear Pro
gramms. OR 28(2): 403-418.
ZIPKIN, P.R. (1979b). Bounds for Row-Aggregation in Linear Programms. OR 28(4):
903-916.
ZOLLER, K. (1971). Optimal Disaggregation of aggregate Production Plans. Manage
ment Science 28(3): 533-549.
AUS DER REIHE Gabler Edition Wissenschaft
nProduktion und Logistik"
Herausgeber: Prof. Dr. W. Domschke, Prof. Dr. A. Drexl, Prof. Dr. B. Fleischmann,
Prof. Dr. H.-O. Gunther, Prof. Dr. Ch. Haehling von Lanzenauer,
Prof. Dr. K. Inderfurth, Prof. Dr. K. Neumann, Prof. Dr. Ch. SchneeweiB,
Prof. Dr. H. Stadtler, Prof. Dr. H. Tempelmeier, Prof. Dr. G. Wascher
zuletzt erschienen:
Thomas Bousonville Tourenplanung fiir die Siedlungsabfallentsorgung Modelle, Methoden und Uisungen zur Optimierung 2002. XXIII, 129 S., 38 Abb., 17 Tab., Br. € 44,50 ISBN 3-8244-7632-0
Peter Carstensen Simultane LosgroBen- und Reihenfolgeplanung bei konstantem Nachfrageverlauf 2002. XX, 163 S., 65 Abb., 60 Tab., Br. € 44,90 ISBN 3-8244-7663-0
Andreas Fehrenbach Simultangestiitzte Leistungsanalyse in der Elektronikmontage EntscheidungsunterstUtzung bei Planung und Betrieb von Anlagen 2002. XVII, 239 S., 80 Abb., 22 Tab., Br. € 49,00 ISBN 3-8244-7617-7
Erich Kleindienst Aggregation und Allokation in der hierarchischen Produktionsplanung 2004. XVII, 171 S., 37 Abb., 11 Tab., Br. € 45,90 ISBN 3-8244-8147-2
Eric Sucky Koordination in Supply Chains Spieltheoretische Ansatze zur Ermittlung integrierter Bestell- und Produktionspolitiken 2004. XXX, 350 S., 62 Abb., 29 Tab., Br. € 54,90 ISBN 3-8244-8032-8
Jerg-Oliver Vogt PPS bei tourenorientiertem Prozessmanagement 2002. XXIV, 226 S., 40 Abb., 48 Tab., Br. € 49,90 ISBN 3-8244-7658-4
www.duv.de Anderung vorbehalten. Stand: Juni 2004.
Deutscher Universitats-Verlag Abraham-Lincoln-Str. 46
65189 Wiesbaden