In der operativen Planung geht es darum, Planungsprobleme letztinstanzlich zu lösen. Es wird eine eindeutige, logische Lösung erwartet, die als Handlungsanweisung dienen soll.
Die Planungsprobleme beschränken sich nur auf kleine Teilbereiche der Planung, sog. Subsysteme. Dadurch sind die Fragestellungen und die nötigen Informationen relativ übersichtlich. Sie sind wohlstrukturiert.
Mathematische Verfahren sind für die Lösung solcher Planungsprobleme gut geeignet. Sie haben eine formale Struktur. Bei der Berechnung des Ergebnisses werden nur Informationen berücksichtigt, die bewusst und gewollt einfließen. Das Ergebnis ist logisch daraus ableitbar.
Deshalb spielen solche Verfahren in der operativen Planung eine große Rolle.
Allerdings ist auch bei operativen Planungen immer auch eine gewisse Unsicherheit vorhanden etwa in Bezug auf die zukünftige Entwicklung der Umweltbedingungen. Zum Umgang damit stehen flankierend z.B. das Modell der Sensitivtätsanalyse zur Verfügung.
Inhaltsverzeichnis
- Mathematische Entscheidungsmodelle in der operativen Planung
- Zur Rolle mathematischer Entscheidungsmodelle
- Arten mathematischer Entscheidungsmodelle
- Optimierungsmodelle
- Prognosemodelle
- Experimentiermodelle
- Einzelne Optimierungsmodelle und die Grenzen ihrer Aussagekraft
- optimale Bestellmenge
- Anwendungsbereich
- Das mathematische Modell
- Voraussetzungen
- Kritik
- Lineare Programmierung
- Anwendungsbereich
- Das mathematische Modell
- Voraussetzungen
- Kritik
Zielsetzung und Themenschwerpunkte
Diese Hausarbeit analysiert die Grenzen der Aussagekraft mathematischer Entscheidungsmodelle in der operativen Planung, insbesondere der Optimierungsmodelle. Sie befasst sich mit der Rolle und den Arten dieser Modelle, beleuchtet exemplarisch die Modelle der optimalen Bestellmenge und der linearen Programmierung und betrachtet kritisch ihre Anwendbarkeit in der Praxis.
- Rolle mathematischer Entscheidungsmodelle in der operativen Planung
- Arten mathematischer Entscheidungsmodelle (Optimierungsmodelle, Prognosemodelle, Experimentiermodelle)
- Anwendbarkeit und Grenzen von Optimierungsmodellen
- Exemplarische Analyse der Modelle optimale Bestellmenge und lineare Programmierung
- Kritik an den Voraussetzungen und der Anwendungshäufigkeit der Modelle
Zusammenfassung der Kapitel
Das erste Kapitel erläutert die Rolle mathematischer Entscheidungsmodelle in der operativen Planung. Es betont die Fähigkeit dieser Modelle, Planungsprobleme in wohlstrukturierten Subsystemen zu lösen und eine logische Handlungsanweisung zu liefern. Das Kapitel beleuchtet auch die Herausforderung der Unsicherheit in operativen Planungen und stellt die Sensitivtätsanalyse als ein Instrument zur Bewältigung dieser Unsicherheit vor.
Kapitel 1.2 beschäftigt sich mit den Arten mathematischer Entscheidungsmodelle. Es unterscheidet zwischen Optimierungsmodellen, Prognosemodellen und Experimentiermodellen. Optimierungsmodelle zielen darauf ab, eine Zielfunktion zu optimieren, wobei bestimmte Nebenbedingungen (Restriktionen) beachtet werden müssen. Prognosemodelle dienen der inhaltlichen und zeitlichen Strukturierung von Problemsituationen, während Experimentiermodelle zur Untersuchung von Veränderungen an konkreten Problemsituationen dienen.
Kapitel 2.1 befasst sich mit dem Modell der optimalen Bestellmenge. Es erläutert den Anwendungsbereich, das mathematische Modell und die Voraussetzungen für dessen Anwendung. Anschließend werden kritische Aspekte des Modells diskutiert.
Kapitel 2.2 behandelt das Modell der Linearen Programmierung. Es beschreibt den Anwendungsbereich, das mathematische Modell, die Voraussetzungen und kritisiert die Anwendungshäufigkeit des Modells in der Praxis.
Schlüsselwörter
Operative Planung, Mathematische Entscheidungsmodelle, Optimierungsmodelle, Prognosemodelle, Experimentiermodelle, Optimale Bestellmenge, Lineare Programmierung, Restriktionen, Sensitivtätsanalyse, Anwendungsbereich, Voraussetzungen, Kritik.
- Arbeit zitieren
- Georg Schwedt (Autor:in), 2001, Grenzen der Aussagekraft mathematische Entscheidungsmodelle in der operativen Planung, insbesondere der Optimierungsmodelle, München, GRIN Verlag, https://www.grin.com/document/54538
