OPM
OPM
OPM
Set of flashcards Details
Flashcards | 43 |
---|---|
Language | Deutsch |
Category | Riddles and Jokes |
Level | Primary School |
Created / Updated | 30.06.2020 / 30.06.2020 |
Weblink |
https://card2brain.ch/box/20200630_opm
|
Embed |
<iframe src="https://card2brain.ch/box/20200630_opm/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>
|
Error
=`Effektive Verkäufe` – `Nachfrageprognose`
MAD
= MITTELWERT(`Absoluter Error`)
MSE
=MITTELWERT(`Quadrierter Error`)
MAPE
Der Mittlere Absolute Fehler in Prozent (MAPE) zeigt, um wieviel Prozent der Schätzwert im Durchschnitt vom gemessenen Wert abweicht.
= MITTELWERT(`Absoluter %-Error`)
Gleitender Durchschnitt
Erstellt eine Prognose aufgrund von vergangenen Werten (z.B.aus letzten 4 Perioden).
Bsp. Rückspiegel = 3 ->
=SUMME(`letzte drei Perioden`)/3
Gleitender gewichteter Durchschnitt
Erstellt eine Prognose aufgrund von vergangenen Werten (z.B.aus letzten 4 Perioden), die unterschiedlich stark gewichtet werden.
Bsp. Rückspiegel = 3 ->
=SUMMENPRODUKT(`letzte drei Perioden`;`Gewichte für drei Perioden`) / `Summe der Gewichte`
Exponentielle Glättung
Zieht die ganze Vergangenheit sehr einfach in Abhängigkeit eines einzigen Faktors (Glättungskonstante) mit ein.
Forecast berechnen
-Für ersten Wert Messwert der ersten Periode eingeben
-= Glättungskonstante * NachfrageVorperiode + (1 - Glättungskonstante) * ForecastVorperiode
-Mit Solver MAPE optimieren (Glättungskonstante <= 1)
Lineare Trendanalyse
Linearen Trend darstellen
-Trendlinie mit Formel hinzufügen
-= Jahr * Steigung + Startwert
CMA (Zentrierter Gleitender Durchschnitt)
Nimmt die Perioden vorher und nachher in die Berechnung auf.
Bei geraden = zwei äussersten zählen nur 0,5
Decomposition
Was du brauchst?
-Jahr
-Monat (Periode)
-t (1,2,3,4,…)
-Nachfrage
-CMA
-Seasonal Ratio
-Seasonal Index
-Unseasoned Value
-Trendbased Forecast
-Seasonalized Trend
-Error
-Absolute Error
-Squared Error
- Absolute % Error
Saisonale Ratio
Stellt saisonale Schwankungen im Vergleich zur durchschnittlichen Nachfrage dar
-Saisonal Ratio (SR) = Nachfrage / CMA
Saisonaler Index
Fasst den Durchschnitt der Monate/Jahre zusammen
Manuelle Variante = (Ratio Januar Jahr 1 + Ratio Januar Jahr 2 + Ratio Januar Jahr 3 …etc) / `Anzahl Jahre`
Bessere Variante mit Hilfstabelle =
HT 1. Kolonne: Perioden
HT 2. Kolonne: MITTELWERTWENN(`alle Perioden die der CMA abdeckt in anderer Tabelle anwählen ; Periode ; `alle Werte Saisonale Ratio anwählen`)
3. In Originaltabelle: =SVERWEIS(Periode ; `Hilfstabelle anwählen` ; 2)
Wert ohne Saisonalität (Unseasoned Value)
= Nachfrage / Saisonaler Index
Trendbasierte Voraussage (Trendbased Forecast, TBF)
1. Darstellung des Diagramms mit Trendlinie und Formel des Unseasoned Value und Werte rausschreiben
2. = Achsenabschnitt + Steigung * t
Saisonalisierter Trend (Seasonalized Trend)
= Seasonalized Index * Trendbased Forecast
ABC-Analyse
Was brauchst du?
Was du brauchst:
-Item (sollte gegeben sein)
-Ausgaben: Units * Cost
-Vol%: Ausgaben / Kummulierte Ausgaben
-Kum Vol% erster: erste Reihe Vol%
-Kum Vol% zweiter: erste Reihe Kum Vol% + zweite Reihe Vol%
ROP
= Nachfrage pro Geschäftstag * Lead Time
EOQ (Optimale Bestellmenge)
=WURZEL(2 * Nachfrage * Bestellkosten / Lagerhaltungskosten)
EPQ (Optimale Produktionsmenge)
=WURZEL((2 * Jahresnachfrage * SUK / (LHK * (1 – Nachfragerate / Produktionsrate)))
QDM (Optimale Bestellmenge bei Mengenrabatten)
= Bestellungsanzahl * Bestellkosten + (Bestellmenge / 2) * LHK + Jahresnachfrage * Stückkosten(Discount 1)
Safety Stock Formeln
=WENN(Alternative ROP >= DDLT(Nachfrage) ; (Alternative ROP – DDLT(Nachfrage)) * LHK ; (DDLT – Alternative ROP) * Bestellmenge * OOSC(Summe DDLT)
Anz Best.: Gesamtnachfrage / Optimale Bestellmenge
Optimale Bestellmenge: =WURZEL(2 * Jaresnachfrage * BesellK / LHK)
Optimaler Wiederbestellpunkt inkl. Safety Stock: Zeile mit geringstem Summenprodukt (Kosten)
Profit Scenario (Newsvendor)
Was brauchst du?
Was du brauchst:
-SUK
-Produktionskosten pro Einheit
-VP in Saison
-VP nach Saison
-Saison Nachfrage und Wahrscheinlichkeit
Für Tabelle:
-Links: Alternative Produktionsmengen (im Umfang der Nachfrage)
-Oben: Saison Nachfrage
-Unten: Wahrscheinlichkeiten
-Rechts: Durchschnittlicher Gewinn
=WENN( Alternative Produktionsmengen > Nachfrage ; (APM - Nachfrage ) * VP nach Saison + Nachfrage * VP vor Saison ; APM * VP vor Saison ) - SUK - APM * Produktionskosten
Service Level Aufgabe
Was brauchst du?
Was du brauchst:
-DDLT Durchschnitt in Einheiten
-DDLT Standardabweichung
-Service Level Ziel (Target)
-LHK pro Einheit
Tabelle zu Service Level
1.Kolonne: Alternative Service Level % bestimmen (zb zwischen 80 und 99,99 , nicht 100%)
2.Kolonne: Z-Value
a.=NORM.S.INV(Alternative Service Level)
3.Kolonne: Safety Stock
a.= Standardabweichung * Z-Wert
4.Kolonne: Holding costs
a.= Safety Stock * LHK
Periodisches Bestandsmanagement mit TIL (Ohne LT)
Periodisches Bestandsmanagement mit TIL (ohne LT)
1.Evtl. LHK OOSC berechnen
2.CR berechnen
= OOSC / (LHK + OOSC)
3.Z-Wert berechnen
a.at CR =NORM.S.INV(CR)
b.at SL =NORM.S.INV(SL)
4.Target Inventory Level (TIL) berechnen
a.= SA * Z-Wert + Nachfrage
5.Tabelle erstellen:
a.Perioden festlegen
b.Target Inventory eintragen und runterziehen (selber Betrag)
c.Nachfrage =ROUND(NORM.INV(ZUFALLSZAHL();Nachfrage pro Woche;SA);0)
d.Lagerbestand am Ende der Periode = Bestand Anfang Woche – Nachfrage
e.Bestellmenge = Bestand Anfang Woche – Bestand Ender Woche
6.Lagerkosten (Gesamtkosten pro Periode)
a.= Nachfrage * EP + (LHK + OOSC) * SA * NORM.S.VERT(Z-Wert;FALSCH)
7.Profit berechnen
a.= Nachfrage * VP – Gesamtkosten
Postponement
Was brauchst du?
Was du brauchst:
-LT
-Produktkosten
-LHK-Satz (in %)
-LHK
-OOSC
-CR
-z* (=STANDNORMINV(CR))
-f01 (=NORM.VERT(z_stern;0;1;FALSCH))
Tabelle:
-mü (Mittelwert, Einheiten pro Woche)
-sigma (Abweichung, Einheiten pro Woche)
-CV (=sigma / mü)
Postponement
Formeln von Mü, Sigma, Z* und S*
Mü = Summe der Mittelwerte ohne Postponement
Sigma = WURZEL(Summenprodukt der Schwankung ; Summenprodukt der Schwankung)
S* = Optimaler Zielbestand
= (LT+1) * mü + z_stern * sigma * WURZEL(LT+1)
Z* = Optimale LHK und OOSC
=(LHK+OOSC) * f01 * sigma * WURZEL(LT+1)
Bullwhip
Wie sieht Tabelle aus?
Was du brauchst:
-Demand
- Nachfrage
- Forecast
-Error
- Error
- Sq Error
- Varianz =SUMME(Beträge Error Sq in T) / (T – N) `N meistens 1`
-Inventory
- Zielbestand (Target) = (LT+1) * Forecast + ZV * WURZEL(Varianz) * WURZEL(LT+1)
- Bestand
- Pipeline
- Bestellung
Unten:
-Durchschnitt und Variaz der Nachfrage (=VAR.P)
-Durchschnitt und Varianz der Bestellung (=VAR.P)
-Bullwhip Effect = Varianz Bestellung / Varianz Nachfrage
Creating the Supply Chain Model (Monster Ablauf 3)
Aufgabe Lösen
1.Anfangsbestand
a.= letzer Endbestand
2.Units Recieved
a.=ZÄHLENWENN(alle vorherigen Arrive on day (nur obere blockieren);day) * Order Quantity
3.Avail Inv
a.=Anfangsbestand + Units Rec
4.Demand (generieren einer Zufallszahl)
a.=VERWEIS(ZUFALLSZAHL();Ganzes Interval markieren(HT);Ganze Demand markieren(HT))
5.Demand Filled
a.=MIN(Avail Inv;Demand)
6.Stockout
a.= Demand – Demand Filled
7.Endbestand
a.= Avail Inv – Demand Filled
8.Units ordered
a.=ZÄHLENWENN(alle vorherigen Arrive on day (nur obere blockieren);“>“&day) * Order Quantity
9.End Inv + Order
a.= End Inv + Units ordered
10.Place order
a.=WENN(End Inv+Order <= Reorder Point;1;0)
11.Lead Time
a.=WENN(Place order=1;ZUFALLSBEREICH(Min LT;Max LT);0)
12.Arrive on day
a.=WENN(Place order=1;day+LT+1;0)
13.Inv Cost
a.= End Inv * Inv Cost(HT)
2.Stockout Cost
a.= Stockout * Stockout Cost(HT)
3.Order Cost
a.=WENN(Place order=1;Order cost(HT);0)
Supply Chain Optimieren (Szenarien berechnen)
1.Daten/Was-wäre-wenn-Analyse/Szenario Manager
2.Hinzufügen
3.Benennen
4.Order Quantity und Reorder Point anwählen
5.OK klicken
6.Zahlen stehen lassen
7.Hinzufügen
8.Benennen
9.Order Quantity und Reorder Point anwählen
10.OK klicken
11.Z.B tiefere Zahlen eingeben (Bestellung verkleinern)
12.…beliebige Szenarios hinzufügen
13.Zusammenfassung klicken
14.Mean Inv Cost bis Total Cost auswählen
15.Ok klicken
16.Szenariobericht erscheint
Bootstrapping (Independent Sample Hypothesis Testing)
1.Grosse Anzahl Mittelwerte berechnen (z.B. 20)
2.Bootstrap Sample bilden (Ist eine Kolonne mit Zufälligen Nachfragewerten)
a.=INDEX(Ganzen Nachfragebereich markieren(HT);ZUFALLSBEREICH(1;Anzahl Positionen bei Nachfragebereich))
b.Mittelwert der Kolonne berechnen
c.Formel auf ganze Tabelle kopieren
3.Konfidenzintervall berechnen
a.Zweite Tabelle erstellen (Links: Sort und Adjust Oben: Sample-Nummern (z.B.1-20))
b.=KKLEINSTE(Alle Mittelwerte aus anderer Tabelle anwählen;Kollonnennummer oben)
c.Gesuchte Prozent der Werte gelb markieren (z.B. 18 Werte von 20 bei 80%)
4.Konfidenzintervall bereinigen
a.Von jedem berechneten kleinsten Wert den alten Nachfrage-Mittelwert abziehen
b.Untere und obere Grenze des Intervalls (z.B. 80% wie vorher) gelb markieren
5.Konfidenzintervall Werte (letztendliches Konfidenzintervall)
a.Obere Grenze vom Nachfrage-Mittelwert abziehen
b.Untere Grenze vom Nachfrage-Mittelwert abziehen
Bootstrapping (Dependent Sample Hypothesis Testing)
1.Nur 1 Bootstrap Sample erstellen (Eine Kolonne mit zb 10 Werten)
a.=INDEX(Ganzen Nachfragebereich markieren;ZUFALLSBEREICH(1;Anzahl Positionen bei Nachfragebereich))
HT:
2.Run-Kolonne erstellen mit 1-1000
3.Mean Kolonne erstellen
a.Erste Zeile = Verweis auf Mittelwert des Bootstrap Samples
b.Ganzen Tabelle ohne Titel (Run/Mean) markieren
c.Was-wäre-wenn-Analyse/Datentabelle
d.Werte aus Spalte = Random Zelle auswählen
e.OK klicken
Zweite HT:
4.Konfidenzintervall bestimmen
a.Neue Tabelle für 2 Werte (((1-Konfidenzintervall%)/2)*Sampleanzahl)
b.Unterer Wert = (1-Konfidenzintervall%)/2
c.Oberer Wert = (1-Konfidenzintervall%)/2+Konfidenzintervall%
d.=KKLEINSTE(Alle Mittelwerte auswählen;Untere Intervallgrenze)
e.=KKLEINSTE(Alle Mittelwerte auswählen;Obere Intervallgrenze)
5.Konfidenzintervall bereinigen
a.= Untere Grenz – ursprünglicher Mittelwert
b.= Obere Grenz – ursprünglicher Mittelwert
6.Konfidenzintervall Werte (letztendliches Konfidenzintervall)
a.= ursprünglicher Mittelwert – bereinigter obiger Wert
b.= ursprünglicher Mittelwert – bereinigter unterer Wert
Formel für:
-z*
-f01
-z* (=NORM.S.INV(CR))
-f01 (=NORM.VERT(z*;0;1;FALSCH))
Simulating the Supply Chain (Monte-Carlo-Simulation)
1.Inv Cost, Order Cost und Total Cost aus Tabelle übernehmen
2.Ganzen Bereich bis 1000 Markieren (mit Shift+ctrl+Pfeil nach unten)
3.Daten/Was-wäre-wenn-Analyse/Datentabelle
4.Werte aus Spalte: Random leere Zeile markieren
5.OK klicken
6.Mittelwert berechnen
a. =MITTELWERT(Ganzen Bereich)
7.Standardabweichung berechnen
a.=STABW.S(Ganzen Bereich)
Bullwhip Inventory Formeln
a. Zielbestand = (LT+1) * Forecast + Z-Wert * WURZEL(Varianz) * WURZEL(LT+1)
b. Lagerbestand = Lagerbestand der Vorperiode + Bestellung der ersten Periode der LT – Effektive Nachfrage der Vorperiode(Abgänge, erste Kolonne)
c. Bestellungen (noch nicht eingetroffen) = SUMME(Bestellungen der letzten Perioden in der LT)
d. Bestellmenge = Zielbestand – Actual – Bestellungen
EOQ kompletter Ablauf
- Total Anzahl Bestellungen berechnen
- Definiere verschiedene Bestellmengen
- = Nachfrage / Bestellmenge
- Total Bestellkosten berechnen
- = Bestellkosten * Anzahl Bestellungen
- Lagerhaltungskosten berechnen
- = (Bestellmenge / 2) * Haltekosten
- Totalkosten berechnen
- = Lagerkosten + Haltekosten
- Optimale Bestellmenge berechnen
- =wurzel(2*Nachfrage*Bestellkosten/Haltekosten per Stück und Jahr)
EPQ Eigenschaften
-Nachfrage ist konstant
-Nachfrageprognose für das Jahr
-Nachfrage pro Arbeitstag (Nachfragerate, d)
-Produktions-Setup-Kosten (Gesamt-SUK sind variabel)
-Lagerhaltungskosten
-Produktionsrate (Pendant zur Nachfragerate, p)
-Produktionskosten
EPQ kompletter Ablauf
1.Wieder alternative Produktionsmengen bestimmen
a.Max. ist die Jahresnachfrage
2.Bestellungen berechnen
a.= Jahresnachfrage / Produktionsmenge
3.Setupkosten berechnen
a.= Anzahl Bestellungen * Setup-Kosten
4.Lagerhaltungskosten berechnen
a.= Produktionsmenge * ((1 – Nachfragerate (blockieren) / (Produktionsrate (blockieren)) * (Lagerhaltungskosten (blockieren)/ 2)))
5.Beide Kostenarten zur Gesamtkostenbetrachtung addieren
6.Minimale Kosten berechnen
a.=wurzel((2 * Jahresnachfrage * Setupkosten / (Haltekosten * (1 – Nachfragerate / Produktionsrate)))
QDM kompletter Ablauf
1.APM bestimmen
2.Anzahl Bestellungen bestimmen
3.Total Bestellungskosten für Discount 1 (Bestellkosten + Lagerhaltungskosten + Produktkosten)
a.= Anzahl Bestellungen * Bestellkosten pro Bestellung + (Bestellmenge / 2) * LHK + Jahresnachfrage * Stückkosten Discount 1
4.Für alle Szenarien wiederholen
5.APM und Total order cost aller Szenarien anwählen, um Tabelle zu erstellen
6.Nach Gültigkeitsbeschränkungen (z.B. Discount 1 von 0 bis 1000) Zahlenreihe darüber/darunter löschen
7.EOQ für alle Discount Varianten berechnen
a. =WURZEL(2*Jahres-Nachfrage*Bestellkosten/Haltekosten per Stück und Jahr)
Safety Stock komletter Ablauf
1.Out of Stock Cost (OOSC) relation (Critical Ratio) bestimmen
2.Z-Value berechnen
a.=norm.s.inv(Critical Ratio)
3.Optimal Order Quantity berechnen (OOQ)
a.= Average Demand (erwarteter Mittelwert) + Standardabweichung * Z-Value
4.Kosten berechnen
a.= (Overstock Cost + Stockout Cost) * Standardabweichung * NORM.DIST(Z-Value;FALSE)
5.Gewinn berechnen
a.= Average Demand * (Verkaufspreis – Einkaufspreis) – Kosten