- Wagner-Whitin-Algorithmus
-
Als Wagner-Whitin-Algorithmus bezeichnet man ein 1958 von Harvey M. Wagner und Thomson M. Whitin vorgestelltes exaktes Verfahren zur Bestimmung der optimalen Losgröße für ein Produkt mit dynamischer Nachfrage bei einstufiger Fertigung ohne Berücksichtigung von Kapazitätsrestriktionen.[1] Das Wagner-Whitin-Problem wird auch als "Single-Level Uncapacitated Lot Sizing Problem" - kurz SLULSP - bezeichnet.[2]
Wie bei der Klassischen Losgrößenformel wird von unendlicher Produktionsgeschwindigkeit und von einem gleichmäßigen Verbrauch über die Periode ausgegangen. Im Verfahren werden in einer Vorwärtsrechnung mögliche Alternativen ermittelt und anschließend in einer Rückwärtsrechnung die optimale Strategie ausgewählt. Das Wagner-Whitin-Verfahren erzeugt das Optimum auch, wenn Fixkosten von Periode zu Periode variieren. Bedingung ist, dass die jeweils gültigen Fixkosten in den Perioden eingesetzt werden.
Eine wichtige Implikation des Wagner-Whitin-Algorithmus ist die Zero-Inventory-Property: eine Produktion findet nur dann statt, wenn das Lager leer ist. Danach wird im Optimum der komplette Bedarf einer Periode entweder vollständig aus dem Lagerbestand oder aus der Produktion dieser Periode gedeckt. Eine Situation also, bei der die Nachfrage teilweise aus der Produktion und teilweise aus dem Lager befriedigt wird, so dass in einer Periode Lager- und Rüstkosten anfallen, kann nicht kostenminimal sein, weil die Rüstkosten durch das Vorverlegen der Produktion eingespart werden können. Ein optimales Los umfasst also immer eine Summe aus vollständigen Periodenbedarfen. Diese allgemeine Erkenntnis wurde bei den heuristischen Verfahren zur Bestimmung der Losgröße als Grundlage berücksichtigt.
Inhaltsverzeichnis
Der Algorithmus
Das nachfolgende Beispiel wird von Wallace J. Hopp und Mark Spearman ausführlich vorgestellt.[3].
t Periode (z. B. Tag, Woche, Monat) wobei T als Planungshorizont bezeichnet wird Dt Bedarf in Periode t (in Einheiten) ct Produktionskosten je Einheit in Periode t ausgenommen Rüst- und Bestandskosten At Rüstkosten eines Rüstvorgangs in Periode t (also je Los) ht Bestandsführungskosten je Einheit von Periode t in Periode t+1 It Übrig bleibender Bestand am Ende von Periode t Qt Losgrösse in Einheiten in Periode t Zt Minimalkosten der Produktion und der Periode t jt Letzte Periode, in der aus Sicht von Periode t Produktion stattgefunden hat. Gegeben sei das folgende Beispiel:
t 1 2 3 4 5 6 7 8 9 10 Dt 20501050501020402030ct 10101010101010101010At 100100100100100100100100100100ht 1111111111Schritt 1
Der Algorithmus betrachtet zuerst ein Ein-Perioden-Problem. Dieses ist naturgemäß recht einfach:
Z1 = A1 = 100
und die letzte Periode, in der Produktion stattfand ist
j1 = 1
Schritt 2
Mit dem nächsten Schritt wird der Zeithorizont in die nächste Periode gesetzt und ein Zwei-Perioden-Problem betrachtet.
Z2 = das Minimum von = A1 + h1D2 Produziere in Periode 1 Z1 + A2 Produziere in Periode 2 Z2 = das Minimum von 100 + 1(50) = 150 100 + 100 = 200 Schritt 2 bestimmt, dass Produktion in Periode 1 in niedrigeren Gesamtkosten resultiert als Produktion in Periode 1 und 2. Es bleibt zu notieren, dass die letzte Produktion j2 = 1 in Woche 1 stattfindet.
Schritt 3
Schritt 3 erweitert den Planungshorizont um eine weitere Periode, so dass nun das Minimum aus drei Berechnungsformeln bestimmt werden muss
Z3 = das Minimum von = A1 + h1D2 + (h1 + h2)D3 Produziere in Periode 1 Z1 + A2 + h2D3 Produziere in Periode 2 Z2 + A3 Produziere in Periode 3 Z3 = das Minimum von 100 + 1(50) + (1 + 1)(10) = 170 100 + 100 + 1(10) = 210 150 + 100 = 250 Es ist erneut günstiger in Periode 1 zu produzieren, so dass wir
j3 = 1
notieren.
Schritt 4
Nun wird ein Vier-Perioden-Problem berechnet:
Z4 = das Minimum von = A1 + h1D2 + (h1 + h2)D3 + (h1 + h2 + h3)D4 Produziere in Periode 1 Z1 + A2 + h2D3 + (h2 + h3)D4 Produziere in Periode 2 Z2 + A3 + h3D4 Produziere in Periode 3 Z3 + A4 Produziere in Periode 4 Z4 = das Minimum von 100 + 1(50) + (1 + 1)(10) + (1 + 1 + 1)(50) = 320 100 + 100 + 1(10) + (1 + 1)(50) = 310 150 + 100 + (1)(50) = 300 170 + 100 = 270 Dieses Mal liegt das Optimum nicht mehr in Periode 1. Es ist also günstiger, den Bedarf für Periode 4 erst in Periode 4 zu erfüllen. Daraus folgt: j4 = 4
Schritt 5 und darüber hinaus
Da die letzte Produktion in Periode 4 stattfindet, bleiben die Perioden 1-3 im folgenden unberücksichtigt. Es wird also das Problem der Periode 4 als Ein-Perioden-Problem behandelt und berechnet. Dann wird die Periode um 1 erhöht und ein Zwei-Perioden-Problem gelöst. Dadurch reduziert sich die Anzahl der Rechnungen auf eine recht übersichtliche Anzahl. Für das oben gezeigte Problem ergibt sich die folgende Lösung
Letzte Periode
mit ProduktionPlanungshorizont t 1 2 3 4 5 6 7 8 9 10 1 100 150 170 320 2 200 210 310 3 250 300 4 2703203404005605 3703804205406 4204405207 4404805206108 5005205809 58061010 620Zt 100150170270320340400480520580jt 111444477 88Bewertung
Obwohl das Verfahren mit vergleichsweise geringem Aufwand angewendet werden kann, hat es kaum Verbreitung gefunden. Dies liegt wesentlich an der Unsicherheit welche Planzahlen in der Praxis aufweisen. Wie die meisten optimierenden Verfahren reagiert auch dieses bei Änderungen in den Eingangswerten mit meist stark veränderten Ausgabewerten. Aus diesem Grund ist die in der Praxis weit verbreitete rollierende Planung, bei der in jeder Periode nur ein Zeitfenster berücksichtigt wird, mit dem Wagner-Within-Algorithmus inkompatibel und in dieser Hinsicht heuristischen Verfahren unterlegen. Andererseits ist ein Optimum wertmäßig oft nur wenig besser, als eine mit Heuristiken gefundene gute Lösung.
Ein weiteres Problem besteht in der Black Box-Eigenschaft des Verfahrens: Aufgrund des Misstrauens der Entscheidungsträger zu schwer nachvollziehbaren Lösungen wird den in ihrer Entwicklung stabileren Lösungen von beispielsweise dem Stückkostenverfahren oder dem Periodenkostenverfahren oder dem Kostenausgleichsverfahren in der Anwendung oft der Vorzug gegeben[4].
Ein gravierender Nachteil ist die Nichtbeachtung von Kapazitätsrestriktionen, die zu nicht ausführbaren Produktionsplänen führen kann. Dieser Mangel lässt sich auch bei der weit verbreiteten sukzessiven Planung in nachgelagerten Stufen der Zeit- und Kapazitätsplanung nicht vollständig ausgleichen.
Quellen
- ↑ Wagner, Harvey M. ; Whitin, Thomson M.: Dynamic Version of the Economic Lot Size Model. In: Management Science 5(1958)1, 89-96.
- ↑ Tempelmeier, Horst: "Material-Logistik", 2006 - S.138
- ↑ Wallace J. Hopp, Mark L. Spearman: Factory Physics: foundations of manufacturing management. 2. Auflage, McGraw-Hill Higher Education, 2000, ISBN 0-256-24795-1
- ↑ Tysiak, Wolfgang: Einführung in die Fertigungswirtschaft. München: Hanser, 2000 - ISBN 3-446-21522-0. S. 94 - 104.
Wikimedia Foundation.