Wahscheinlichkeitsberechnung

Wissenschaft Mathematik
#1

Ich beötige „eine Formel“ mit welcher man folgendes Problem im Bereich der Bestandsführung eines Ersatzteillagers abbilden kann.
Folgende Aufgabenstellung:
Vom Artikel A sind die Verkaufszahlen z.B. der letzten 8 Quartale (können auch mehr sein, wenn das Ergebnis dann genauer wird) bekannt.
Pro Quartal sind zwei Informationen verfügbar - zum einen die verkauften Artikel dieser Periode, zum anderen die Anzahl der Aufträge in diesem Zeitraum für diesen Artikel. Beispiel es wurden 8 Stck. verkauft. DIeser Verkauf geschh mit 4 Aufträgen, daraus folgt pro auftrag sind im Durchschnitt 2 Stck verkauft worden.
Zu berechnen wäre nun die Wahrscheinlichkeit für das kommende Quartal wie viele Aufträge für diesen Artikel mit welcher durchschnittlichen Stückzahl sind zu erwarten. Aufgrund dieses Forcasts soll dann eine Art „Bestellvorschlagsliste“ ausgegeben werden. Auf Basis dieser Liste wird dann manuell der Bestand dieses Artikels und damit die Nachbesstellung überprüft und ausgelöst.
Darüber hinaus sollte die Möglichkeit bestehen, aktuelle Verkauszahlen (Tag heute minus letztes Quartal) stärker zu gewichten als weiter zurückliegende Verkaufszahlen (Tag heute minus Verkaufzahl von vor zwei Jahren)

Einfache Lösungsansätze, vor allem „lineare System“ habe ich mit meinen Realschulkenntnissen in Mathe bereits in der Praxis versucht. Funktioniert jedoch nicht weil kein Trend berücksichtig wird. Beispiel: der Verkauf eines früher gut gehenden Artikels ist stark rückläufig bzw. im letzten Quartal dann ganz weggebrochen. In meiner jetzigen Berechnung wird jedoch immer noch ein vorzuhaltender Lagerbestand ausgewiesen.
Weiteres Problem - vor einem Jahr wurden eine große Bestellung eines Artikels abgewickelt. Dies war jedoch nur ein Auftrag für einen speziellen Kunden. Ansonsten wird dieser Artikel nie gebraucht. Meine jetzige Berechnung meldet mir vereinfacht: Bei soviel verkauften Teilen ist es wahrscheinlich dass doch mal wieder etwas kommt - halte dein Lager entsprechend aufrecht.
u.s.w.

Wer kann mir bei meinem Problem helfen. Sollte noch Infos benötigt werden, bitte einfach melden. Ich wende mich mit dieser Problematik ggf auch an kommerzielle Anbieter, die mir hier eine entsprechende Formel erstellen und verkauifen können.

Vielen Dank

Gruß

Roland

#2

Was willst du da groß mit Statistik machen?

Eine Möglichkeit ist, nicht Alle sondern nur Wenige zurückliegende (z.B. vier) Quartale zu betrachten und den Verkaufs- Höchstwert (pro Quartal) dieses Artikels incl. Sicherheitsreserve vorzuhalten. Oder du betrachtest stets das gleiche Quartal im Vergleich über die letzten (z.B. vier) Jahre.

Ob das sinnvoll ist, kannst du doch anhand zurückliegender Daten prüfen.

Gruß

Peter

#3

Hallo rolstig,

bezüglich deiner Frage bleiben sehr viele Fragen. Die EINE Formel wird es so nicht geben. Die Parameter müssen von euch festgelegt werden, die Datenbasis ist ein wenig unklar. Werden die Daten wirklich nur pro Quartal aktualisiert oder gibt es eine aktuelle Fortschreibung?

Welche Rolle spielt es, wenn ihr nicht lieferfähig wäret? Wie sind die Bezugszeiten für die jeweiligen Artikel? Was ist wichtiger: Lagerhaltungskosten oder Kundenzufriedenheit?

Sprich: Es kann sich nur um eine den Interessen des Unternehmens angepaßte Formel handeln.

Hast du mal einen Blick auf den entsprechenden Wikipaedia-Eintrag

http://de.wikipedia.org/wiki/Bedarfsermittlung

geworfen. Demnach intessierst du dich ja wohl für die „Stochastische Bedarfsermittlung“, oder?

Grüße

fribbe

#4

Hallo, theoretisch könnte man natürlich versuchen, die Entwicklung zu zerlegen und beispielsweise eine Trendkomponente und eine Saisonkomponente zu berechnen, denn mögllicherweise spielen auch die Jahreszeiten eine Rolle.

Allerdings würde sich das mehr anbieten, wenn man Waren an Endverbraucher verkauft. Hier scheint ja noch der Umstand eine Rolle zu spielen, dass einzelne Aufträge mit hoher Stückzahl das Gesamtergebnis stark verändern können. 

Ich stimme den anderen Autoren zu, dass man sich hier natürlich auch die Frage stellen muss, wie schlimm zu hohe Lagerbestände und wie schlimm zu geringe Lagerbestände wären.