TU Darmstadt / ULB / TUprints

Allocation Planning for Demand Fulfillment in Make-to-Stock Industries - A Stochastic Linear Programming Approach

Eppler, Stephanie :
Allocation Planning for Demand Fulfillment in Make-to-Stock Industries - A Stochastic Linear Programming Approach.
Technische Universität, Darmstadt
[Ph.D. Thesis], (2015)

[img]
Preview
Text
DissSE.pdf
Available under Only rights of use according to UrhG.

Download (3MB) | Preview
Item Type: Ph.D. Thesis
Title: Allocation Planning for Demand Fulfillment in Make-to-Stock Industries - A Stochastic Linear Programming Approach
Language: English
Abstract:

Demand fulfillment is a planning process which is concerned with the processing of customer orders. Its main objectives are providing a high customer service, especially in terms of providing real-time order confirmations and promising reliable delivery dates, as well as maximizing profits. In make-to-stock industries, such as the consumer goods industry, production quantities are usually determined mid-term, based on forecasts and not on actual customer requests. As a consequence, bottleneck situations can occur in the short-run. Furthermore, customers are usually heterogeneous regarding their profitability and their strategic importance. Consequently, the firm has to decide carefully on which orders to accept and whether to fulfill an accepted order from stock or from future production quantities, which entails either inventory holding or customer-specific backlogging costs. The setting in make-to-stock demand fulfillment is comparable to the situation in service industries: capacity is scarce in the short-run, customers are heterogeneous, and demand is uncertain. Therefore, quantity-based revenue management ideas have been transferred to the context of make-to-stock industries. However, typical revenue management assumptions like the perishability of products do not hold in the make-to-stock context. As a consequence, the allocation planning problem’s complexity increases. Existing allocation planning models for make-to-stock industries show two main drawbacks: they either do not consider information about demand uncertainty appropriately or they are not scalable and, thus, not applicable to problems of practical sizes. Commercial advanced planning systems also provide the opportunity of determining allocations by means of simple rules. However, they also do not consider information about demand uncertainty (nor about customer heterogeneity) appropriately. The dissertation shows how allocation planning for demand fulfillment in make-to-stock industries can be improved by means of two-stage stochastic linear programming (SLP) with recourse. SLP formulations for both the single-period and the multi-period case are given. Moreover, the dissertation illustrates that allocation planning can be further improved if information about the consumption process, which follows the allocation planning process, is integrated into the allocation planning SLP model. In particular, information about the order arrival sequence as well as about consumption policies such as nesting or time-based policies is integrated by means of the second stage. The benefit of both performing allocation planning and considering information about demand uncertainty by using two-stage SLP depends on the input data like, e.g. the degree of customer heterogeneity, of capacity shortage as well as of demand uncertainty (or the forecast accuracy, respectively). Within a numerical study, we evaluate when allocation planning is likely to be beneficial and, in case it is, when SLP models are likely to outperform the allocation planning rules of commercial advanced planning systems or other existing allocation planning models.

Alternative Abstract:
Alternative AbstractLanguage
„Demand Fulfillment“ bezeichnet einen Planungsprozess, der sich mit der Abwicklung von Kundenaufträgen befasst. Das Demand Fulfillment verfolgt im Wesentlichen zwei Ziele: einen hohen Kundenservice zu bieten, indem Auftragsbestätigungen in Echtzeit erfolgen und den Kunden gegenüber zuverlässige Lieferterminzusagen erteilt werden, sowie Gewinne zu maximieren. Im Rahmen der Lagerfertigung, d.h. bspw. in der Konsumgüterindustrie, werden Produktionsmengen und –zeitpunkte in der Regel mittelfristig festgelegt. Da zu diesem Zeitpunkt noch keine konkreten Kundenaufträge vorliegen, erfolgt die Planung auf Basis von Prognosen. Infolgedessen können kurzfristig Engpasssituationen entstehen, sodass das Unternehmen entscheiden muss, welche der eingehenden Aufträge erfüllt werden. Diese Entscheidung wird auch von der vorliegenden Kundenheterogenität (die Kunden unterscheiden sich in der Regel hinsichtlich ihrer Profitabilität und ihrer strategischen Wichtigkeit für das Unternehmen) beeinflusst. Folglich muss die Entscheidung über Auftragsannahme oder –ablehnung sowie die Entscheidung darüber, ob ein angenommener Auftrag aus dem Lagerbestand oder mithilfe von zukünftig verfügbaren Produktionsmengen erfüllt wird, sehr sorgfältig getroffen werden. Die durch kurzfristig knappe Kapazitäten, heterogene Kunden und Nachfrageunsicherheit gekennzeichnete Situation im Demand Fulfillment der Lagerfertigung ist vergleichbar mit der Situation im Dienstleistungssektor, die zur Entwicklung des Revenue Managements führte. Aufgrund der Analogie wurden bereits in der Vergangenheit Ideen des mengenbasierten Revenue Managements auf die Lagerfertigung übertragen. Da jedoch verschiedene typische Revenue Management Annahmen, wie bspw. die Verderblichkeit von Produkten, bei der Lagerfertigung nicht erfüllt sind, steigt die Komplexität des Allokationsplanungsproblems im Vergleich zum Dienstleistungssektor an. Bestehende Allokationsplanungsmodelle für die Lagerfertigung weisen im Wesentlichen zwei Nachteile auf: Entweder vernachlässigen sie Informationen über die Nachfrageunsicherheit oder sie sind nicht skalierbar, d.h. sie können nicht auf Probleme von praxisrelevanter Größe angewandt werden. Auch kommerzielle Advanced Planning Systeme bieten Allokationsplanungsmöglichkeiten, allerdings in Form von einfachen Regeln. Diese Regeln vernachlässigen jedoch ebenfalls Informationen über die Nachfrageunsicherheit (und auch über die Kundenheterogenität). Die Dissertation zeigt, wie Allokationsplanung für das Demand Fulfillment in der Lagerfertigung mithilfe von zweistufig stochastisch linearer Programmierung (SLP) mit Kompensation verbessert werden kann. Es werden SLP-Formulierungen sowohl für den Einperioden- als auch für den Mehrperiodenfall vorgestellt. Darüber hinaus wird gezeigt, dass die Allokationsplanung weiter verbessert werden kann, wenn Informationen über den Konsumptionsprozess, der auf den Allokationsplanungsprozess folgt, bereits in das Allokationsplanungsmodell integriert werden. Insbesondere werden Informationen über die Ankunftsreihenfolge der Aufträge und über die Konsumptionspolitiken (bspw. Nesting oder zeitbasierte Politiken) mithilfe der zweiten Stufe der SLPs integriert. Sowohl der Nutzen, der durch die Allokationsplanung entsteht, als auch der Nutzen, der durch die Berücksichtigung von Informationen über die Nachfrageunsicherheit mithilfe von zweistufigen SLPs entsteht, hängt von den Eingangsdaten ab. Hierzu zählen der Grad der Kundenheterogenität, die Knappheit der Kapazität sowie die Höhe der Nachfrageunsicherheit (bzw. die Prognosegüte). Auf Basis einer numerischen Studie wird gezeigt, in welchen Fällen Allokationsplanung vorteilhaft sein kann, und falls sie vorteilhaft ist, wann mithilfe von SLP-Modellen bessere Ergebnisse erzielt werden können als mit Allokationsplanungsregeln kommerzieller Advanced Planning Systeme oder mit bestehenden Allokationsplanungsmodellen. German
Place of Publication: Darmstadt
Uncontrolled Keywords: Allocation Planning, Capacity Control, Demand Fulfillment, Order Fulfillment, Stochastic Linear Programming
Classification DDC: 300 Sozialwissenschaften > 330 Wirtschaft
600 Technik, Medizin, angewandte Wissenschaften > 650 Management
Divisions: 01 Law and Economics > Betriebswirtschaftliche Fachgebiete > Fachgebiet Produktion und Supply Chain Management
Date Deposited: 01 Apr 2015 08:01
Last Modified: 01 Apr 2015 08:07
URN: urn:nbn:de:tuda-tuprints-44663
Referees: Meyr, Prof. Dr. Herbert and Schneider, Prof. Dr. Michael
Refereed: 28 January 2015
URI: http://tuprints.ulb.tu-darmstadt.de/id/eprint/4466
Export:
Actions (login required)
View Item View Item

Downloads

Downloads per month over past year