newsvendor problem

Angol

Főnév

newsvendor problem (tsz. newsvendor problems)

1. (informatika) A newsvendor-probléma (más néven egyperiódusú készletgazdálkodási probléma) egy alapvető modell a készletszint optimális meghatározására olyan helyzetekben, ahol csak egyszer rendelhetünk egy termékből, a vásárlói kereslet viszont véletlen (statisztikus) jellegű, és a készlettel maradás vagy hiány egyaránt költséget okoz.

---

1. A probléma felvetése

Képzeljünk el egy újságárust („newsvendor”), aki minden reggel csak egyszer tud rendelést leadni az aznapi újságokra, de nem biztos benne, hány vásárló fog jelentkezni. Ha túl nagy tételt rendel, a maradék újságok selejtek (visszaváltás vagy lejárat miatt veszteség); ha túl keveset, elveszti az esetleges bevételt (lemarad az eladási lehetőségről). A kérdés: hány újságot rendeljen, hogy a teljes várható profit/maximalizálható, vagy a teljes várható költség minimalizálható legyen?

---

2. Modellalkotás

1. Döntési változó ${\textstyle Q}$: az optimális rendelési mennyiség (pl. db újság).

2. Statisztikai paraméter ${\textstyle D}$: véletlen kereslet, ismert eloszlásfüggvénnyel ${\textstyle F(d)}$ és sűrűség ${\textstyle f(d)}$.

3. Költségek, bevételek

   • Egységnyi eladási ár: ${\textstyle p}$.
   • Egységnyi beszerzési költség: ${\textstyle c}$.
   • Maradékkészlet költsége: ${\textstyle h}$ (pl. selejtezési veszteség vagy tárolási költség).
   • Kieső haszon/maradék hiány költsége: ${\textstyle b}$ (elmaradó profit, ha nem tudjuk kielégíteni a keresletet).

4. Profit- vagy költségfüggvény A rendelési döntés után a realizált profit (várható profit) két esetre bontható:

   • Ha ${\textstyle D\geq Q}$: minden rendelés elfogy, hiány lép fel, a haszon:

     $$\pi (Q,D)=p\,Q-c\,Q-b\,(D-Q)$$

   • Ha ${\textstyle D<Q}$: maradék keletkezik, a haszon:

     $$\pi (Q,D)=p\,D-c\,Q-h\,(Q-D)$$

   Ebből integrálva a keresleteloszlás felett kapjuk a várható profit vagy várható költség függvényt.

---

3. Az optimális rendelési mennyiség – kritikus fraktil

A klasszikus eredmény a kritikus fraktil, mely azt mondja, hogy az optimális ${\textstyle Q^{*}}$-nek az eloszlásfüggvény ${\textstyle F}$ azon pontjára kell esnie, ahol

$$F(Q^{*})={\frac {b}{b+h}}\,.$$

Itt

• ${\textstyle b=p-c}$ a hiány (underage) egységre jutó haszonelmaradás,
• ${\textstyle h=c-v}$ a túlrendelés (overage) egységre jutó veszteség (itt ${\textstyle v}$ az árusítható maradék visszavételi ára, ha van ilyen, egyébként ${\textstyle v=0}$).

Értelmezés:

• Ha ${\textstyle b}$ nagy (drága kiesni hagyni egy eladást), közelebb vagyunk a magasabb ${\textstyle F(Q^{*})}$-hez, azaz nagyobb rendelési mennyiséghez.
• Ha ${\textstyle h}$ nagy (drága a maradék), ${\textstyle F(Q^{*})}$ alacsonyabb, kisebb rendelés optimális.

---

4. Diszkrét és folytonos eset

• Folytonos kereslet esetén ${\textstyle F}$ folytonos, és könnyű megtalálni a kritikus fraktil ${\textstyle Q^{*}=F^{-1}{\bigl (}{\tfrac {b}{b+h}}{\bigr )}}$.

• Diszkrét kereslet esetén ${\textstyle D}$ csak egész értékeket vehet fel (pl. csak egész darab újság), ilyenkor a kritikus fraktilhoz legközelebb eső diszkrét értéket választjuk, azaz

  $$Q^{*}=\arg \min _{q\in \mathbb {Z} }{\bigl |}F(q)-{\tfrac {b}{b+h}}{\bigr |}.$$

---

5. Példa gauss-eloszlással

Tegyük fel, hogy a napi kereslet normális eloszlású ${\textstyle D\sim N(\mu =100,\sigma =20)}$, eladási ár ${\textstyle p=5}$, beszerzési költség ${\textstyle c=3}$, maradék visszavétel nincs (${\textstyle v=0}$).

• ${\textstyle b=p-c=2}$
• ${\textstyle h=c-v=3}$
• Kritikus fraktil: ${\textstyle \alpha ={\tfrac {b}{b+h}}={\tfrac {2}{5}}=0{,}4}$.

Keressük ${\textstyle Q^{*}=F^{-1}(0{,}4)}$ a ${\textstyle N(100,20)}$-hez:

$$Q^{*}=100+20\times z_{0.4}\approx 100+20\times (-0{,}253)\approx 94{,}94\approx 95.$$

Tehát napi 95 újság rendelése minimalizálja a várható költséget.

---

6. Kiterjesztések és általánosítások

1. Több periódus, több rendelés Az egyszeri döntés helyett dinamikus programozás segít, ha többször is lehet rendelni, és maradék átvihető a következő periódusra.
2. Kockázatérzékeny döntés Ha nemcsak a várható értéket, hanem a kockázatot (pl. VaR, CVaR) is figyelembe vesszük, módosul a kritikus fraktil kiszámítása.
3. Szolgálati szint követelmények „Fill-rate” (kielégített arány), vagy „cycle service level” (verszemtelenségi szint) constraintekkel is dolgozhatunk: pl. kívánt valószínűsége, hogy a keresletet maradéknél nem kell visszautasítani.
4. Árrugalmasság, dinamikus árképzés Ha a rendelési ár vagy az eladási ár függ a mennyiségtől vagy versenyhelyzettől, a modell bonyolultabb, de a kritikus fraktil továbbra is kulcsfontosságú.
5. Portfóliós készletmodellek Több termék közös forrásból rendelhető, korrelált kereslettel – ekkor portfólió-hatások csökkentik a biztonsági készletigényt.

---

7. Gyakorlati megfontolások

• Eloszlás-becslés: A kereslet pontos statisztikai jellemzői ritkán ismertek előre; adatgyűjtés, hisztorikus értékek elemzése és sztochasztikus szimuláció segít a megbízható ${\textstyle F}$ meghatározásában.
• Szoftvertámogatás: Excel-modellek, R/Python-szkriptek vagy ipari MRP-rendszerek képesek automatizálni a kritikus fraktil számítását és érzékenységvizsgálatát.
• Érzékenységvizsgálat: Fontos megnézni, hogyan változik ${\textstyle Q^{*}}$ eltérő ${\textstyle b}$ és ${\textstyle h}$ értékek esetén, hiszen a költségek gyakran becsültek.

---

8. Összefoglaló

A newsvendor-probléma elegáns, zárt formulát kínál arra, hogy egy egyszeri rendelés esetén mennyit érdemes venni véletlen kereslet mellett, amikor a túl- és alulrendelés mindkettő költséggel jár. A kritikus fraktil elve egyszerű, de rendkívül erős: az optimális rendelési mennyiséget a hiány- és maradékköltség aránya határozza meg a kereslet eloszlásának megfelelő kvantiliseként. Számos valós ipari és kereskedelmi környezetben alkalmazzák ezt a modellt, és bázist ad a bonyolultabb, többperiodusos vagy kockázatorientált készletgazdálkodási megközelítésekhez.

További információk

• newsvendor problem - Szótár.net (en-hu)
• newsvendor problem - Sztaki (en-hu)
• newsvendor problem - Merriam–Webster
• newsvendor problem - Cambridge
• newsvendor problem - WordNet
• newsvendor problem - Яндекс (en-ru)
• newsvendor problem - Google (en-hu)
• newsvendor problem - Wikidata
• newsvendor problem - Wikipédia (angol)