Inventory models - application of optimization methods in retail chain

Pro účely řízení zásob byla vyvinutá řada teoretických modelů. Ač stochastické modely zásob předpokládají, že poptávka je náhodná veličina, při odhadu její středních hodnot většina z nich nebere v úvahu možnost sezónního charakteru v rámci jednotlivých období. Práce se zabývá optimalizací systému řízení zásob maloobchodní prodejny potravin. Očekávaná úroveň poptávky je odhadnutá za pomoci regresního modelu se zahrnutím sezónní složky. Uvažujeme tři typy pravděpodobnostního rozdělení poptávky: normální, Poissonovo a gamma. Nákladová struktura přitom není dostupna, proto je za cíl práce zvolena minimalizace velikosti objednávky. Po definici matematického modelu jsou podmínky zlinearizované a úloha je provedená na lineární program, který je řešen za pomoci solveru lpSolve. Model je aplikovatelný na široké spektrum případů, kdy není k dispozici dostatek informací o nákladech na zásoby.

For the purpose of inventory management has been developed a large scale of theoretical models. Despite the assumption of demand uncertainty, most of the models do not count with a possibility of seasonal character of demand within-review period. The paper deals with an optimization of inventory management of in grocery retailing. The expected value of the demand is estimated using a simple regression model with an inclusion of possible seasonal effects. There are three types of probability distributions considered: normal, Poisson and gamma. The cost structure, cause of its incompleteness, cannot be included to the final model. Therefore the different approach is used: minimization of order as an objective and constraints for maximal capital, minimal level of demand satisfaction and minimal profit. After definition of mathematical model are constrains simplified to a linear form and the problem is solved as a linear program using lpSolve solver. The model is applicable to large scale of cases, where the cost structure is not sufficiently available.