13.2 CATEGORIES OF INVENTORY MODELS

13.2 CATEGORIES OF INVENTORY MODELS

Researchers have analyzed many inventory models, both deterministic and probabilistic.

We discuss only the most basic of these models, which have been used extensively in real

applications. We begin by discussing several important issues and introducing some termi-
nology.2 Keep in mind, however, that the possible number of real-world situations that re-
quire inventory management is virtually unlimited. We list only some of the factors that are

common to these situations.

Deterministic versus Probabilistic Models

We have already mentioned the distinction between deterministic and probabilistic inven-
tory models. In deterministic models, we assume that all inputs to the problem, particularly

customer demand, are known when the decisions are made. In reality, a company must al-
ways forecast future demands with some type of forecasting model. The outputs of this

forecasting model might include a mean demand and a standard deviation of demand. In

deterministic models, however, we use only the mean and discard any information about

the uncertainty, such as the standard deviation. This makes the resulting models simpler,

but usually less realistic. Probabilistic models use this information about uncertainty ex-
plicitly. They are typically more difficult to analyze, but they tend to produce better deci-
sions, especially when the level of uncertainty is high.

Kết quả (Việt) 1:

13.2 THỂ LOẠI CỦA CÁC MÔ HÌNH HÀNG TỒN KHOCác nhà nghiên cứu đã phân tích nhiều mô hình của hàng tồn kho, xác định và xác suất.Chúng tôi thảo luận về chỉ cơ bản nhất của các mô hình này, đã được sử dụng rộng rãi ở realứng dụng. Chúng tôi bắt đầu thảo luận về một số vấn đề quan trọng và giới thiệu một số termi-nology.2 lưu ý, Tuy nhiên, mà có thể có số của thế giới thực tình huống đó re -quire hàng tồn kho quản lý là hầu như không giới hạn. Chúng tôi liệt kê chỉ là một số trong những yếu tố cóphổ biến cho các tình huống này.Xác định so với xác suất mô hìnhChúng tôi đã đề cập sự khác biệt giữa xác định và xác suất inven-Tory mô hình. Trong mô hình xác định, chúng tôi giả định rằng tất cả độc cho vấn đề, đặc biệt làkhách hàng yêu cầu, được biết đến khi các quyết định được thực hiện. Trong thực tế, một công ty phải al-cách dự báo nhu cầu trong tương lai với một số loại mô hình dự báo. Kết quả đầu ra nàydự báo mẫu có thể bao gồm một có nghĩa là nhu cầu và độ lệch chuẩn của nhu cầu. Ởxác định các mô hình, Tuy nhiên, chúng tôi chỉ có nghĩa là sử dụng và loại bỏ bất kỳ thông tin vềkhông chắc chắn, chẳng hạn như độ lệch chuẩn. Điều này làm cho các mô hình kết quả đơn giản,nhưng thường ít thực tế. Xác suất mô hình sử dụng thông tin này về sự không chắc chắn ex-plicitly. Họ là thường khó khăn hơn để phân tích, nhưng họ có xu hướng để sản xuất tốt hơn deci-sions, đặc biệt là khi mức độ của sự không chắc chắn là cao.

Kết quả (Việt) 2:

13.2 LOẠI CỦA MÔ HÌNH KHO Các nhà nghiên cứu đã phân tích nhiều mô hình hàng tồn kho, cả hai xác định và xác suất. Chúng tôi chỉ thảo luận về cơ bản nhất của các mô hình này, đã được sử dụng rộng rãi trong thực tế ứng dụng. Chúng ta bắt đầu bằng việc thảo luận một số vấn đề quan trọng và giới thiệu một số termi- nology.2 Giữ trong tâm trí, tuy nhiên, số lượng có thể của tình huống thực tế mà tái quản lý hàng tồn kho hợp xướng là hầu như không giới hạn. Chúng tôi chỉ liệt kê một số các yếu tố đó là chung cho những tình huống này. Xác định so với xác suất mô hình chúng tôi đã đề cập đến sự phân biệt giữa phát minh và xác định xác suất mô hình thổ. Trong các mô hình xác định, chúng ta giả định rằng tất cả các yếu tố đầu vào cho vấn đề, ​​đặc biệt là nhu cầu của khách hàng, được biết đến khi các quyết định được đưa ra. Trong thực tế, một công ty phải al cách dự đoán nhu cầu trong tương lai với một số loại mô hình dự báo. Các kết quả của điều này mô hình dự báo có thể bao gồm một nhu cầu trung bình và độ lệch chuẩn của nhu cầu. Trong mô hình xác định, tuy nhiên, chúng tôi chỉ sử dụng trung bình và loại bỏ bất cứ thông tin về sự không chắc chắn, chẳng hạn như độ lệch chuẩn. Điều này làm cho các mô hình kết quả là đơn giản, nhưng thường ít hiện thực hơn. Mô hình xác suất sử dụng các thông tin này về sự không chắc chắn Ex- plicitly. Họ thường là khó khăn hơn để phân tích, nhưng họ có xu hướng sản xuất deci- tốt hơn những quyết, đặc biệt là khi mức độ không chắc chắn là cao.