Discussion of the SolutionUnfortuna

Discussion of the Solution
Unfortunately, the critical fractile method provides only the optimal order quantity. For this
example, it indicates that an order for 171 calendars achieves the best balance between
overstocking and understocking. Specifically, the probability of understocking is then 2/3,
and the probability of understocking is 1
3. The method does not provide a distribution of
Walton’s net profit, or even its expected net profit, from using this order quantity (at least
not without a more complex analysis that is beyond the scope of this book). This is exactly
the type of information that simulation can provide, as illustrated in Example 11.2 of Chap
ter 11. In short, simulation enables us to see how net profit is distributed for a given order
quantity, but it isn’t well suited to finding the optimal order quantity. Critical fractile analy
sis is exactly the opposite in that it enables us to find the optimal order quantity rather eas
ily, but it doesn’t provide the distribution of net profit. Further analysis of net profit for this
order quantity is best left to simulation.
In spite of its shortcomings, critical fractile analysis does allow us to see how the op
timal order quantity depends on (1) the relative values of cover and cunder, and (2) the shape
of the demand distribution. For example, suppose the selling price increases from $10 to
$15. This doesn’t affect the cost of overstocking, but it increases the cost of understocking
to $7.50, the new profit margin. As we would expect, this provides an incentive for Walton
to order more calendars than before to avoid running out and losing sales. This is exactly
what happens. The new critical fractile is 7.50
(5  7.50)
0.6, which we enter in
@RISK’s Define Distribution window. You can check that the corresponding order quan
tity is now 200, the probability of understocking is only 0.4, and the probability of over
stocking is 0.6. As another example, suppose the selling price remains at $10, but Walton
receives only $1 for leftover calendars. Then the understocking cost is unaffected, but the
overstocking cost increases to $6.50, the difference between Walton’s unit cost and the sal
vage value. This provides an incentive to order fewer calendars. The critical fractile is now
2.50
(6.50  2.50)
0.278, the optimal order quantity decreases to about 165, the proba
bility of understocking is 0.722, and the probability of overstocking is 0.278.
We can also easily see how the optimal order quantity depends on the shape of the de
mand distribution. Suppose, for example, that the demand distribution is normal with the
same mean and standard deviation, 191.67 and 41.248, as the triangular distribution we just

Results (Vietnamese) 1:

Thảo luận về các giải phápThật không may, các phương pháp quan trọng fractile cung cấp chỉ là số lượng đặt tối ưu. Đối với điều nàyVí dụ, nó chỉ ra rằng một đơn đặt hàng 171 lịch đạt được sự cân bằng tốt nhất giữaoverstocking và understocking. Cụ thể, xác suất của understocking sau đó là 2/3,và xác suất của understocking là 1 3. Các phương pháp không cung cấp một bản phân phối củaLợi nhuận ròng của Walton, hoặc thậm chí của nó dự kiến lợi nhuận ròng, từ việc sử dụng số lượng đặt này (ít nhấtkhông phải không có một phân tích phức tạp hơn đó là vượt ra ngoài phạm vi của cuốn sách này). Điều này là chính xácloại thông tin mô phỏng có thể cung cấp, như minh hoạ trong ví dụ của Chap 11.2Ter 11. Tại ngắn, mô phỏng cho phép chúng tôi để xem làm thế nào net lợi nhuận được phân phối cho một thứ tự nhất địnhsố lượng, nhưng nó không phải là rất thích hợp với việc tìm kiếm số lượng đặt tối ưu. Quan trọng fractile analysis là chính xác đối diện trong đó nó cho phép chúng tôi tìm thấy số lượng đặt tối ưu là easnầy, nhưng nó không cung cấp phân phối lợi nhuận ròng. Tiếp tục phân tích của các lợi nhuận ròng nàysố lượng đặt là tốt nhất còn lại để mô phỏng.Mặc dù thiếu sót của nó, phân tích quan trọng fractile cho phép chúng tôi để xem làm thế nào các optimal thứ tự số lượng phụ thuộc vào (1) các giá trị tương đối bao gồm, cunder và hình dạng (2)phân phối nhu cầu. Ví dụ, giả sử giá bán tăng từ $10 đến$15. Điều này không ảnh hưởng đến chi phí của overstocking, nhưng nó làm tăng chi phí của understockingđể $7,50, lợi nhuận mới. Như chúng tôi mong đợi, điều này cung cấp một ưu đãi cho Waltonđể đặt hàng thêm lịch hơn hết để tránh chạy và mất bán hàng. Điều này là chính xácđiều gì xảy ra. Fractile quan trọng mới là 7,50 (5 7,50) 0.6, chúng tôi nhập vào trongCác cửa sổ xác định phân phối của @RISK. Bạn có thể kiểm tra rằng tương ứng đặt hàng quantity bây giờ là 200, xác suất của understocking là chỉ 0,4, và khả năng của hơnStocking là 0,6. Như là một ví dụ, giả sử giá bán vẫn còn ở $10, nhưng Waltonnhận được chỉ 1 $ cho lịch còn sót lại. Sau đó chi phí understocking là không bị ảnh hưởng, nhưng cácoverstocking chi phí tăng lên đến $6,50, sự khác biệt giữa Walton của đơn vị chi phí và salgiá trị vage. Điều này cung cấp một ưu đãi để lịch ít hơn. Fractile quan trọng là bây giờ2,50 (6,50 2,50) 0.278, số lượng đặt tối ưu giảm tới khoảng 165, probability của understocking là 0.722, và xác suất của overstocking là 0.278.Chúng tôi có thể dễ dàng nhìn thấy như thế nào số lượng đặt tối ưu phụ thuộc vào hình dạng của deMandvi phân phối. Giả sử, ví dụ, bản phân phối nhu cầu là bình thường với cáccùng một có ý nghĩa và độ lệch chuẩn, 191.67 và 41.248, như là phân phối hình tam giác, chúng tôi chỉ

Results (Vietnamese) 2:

Thảo luận về các giải pháp
Thật không may, các phương pháp fractile quan trọng chỉ cung cấp số lượng đặt hàng tối ưu. Đối với điều này
ví dụ, nó chỉ ra rằng một đơn đặt hàng cho 171 lịch đạt được cân bằng tốt nhất giữa
overstocking và understocking. Cụ thể, xác suất là understocking thì 2/3,
và xác suất của understocking là 1? 3. Phương pháp này không cung cấp một phân phối
lợi nhuận ròng của Walton, hoặc thậm chí lợi nhuận ròng dự kiến của mình, từ việc sử dụng số lượng đặt hàng này (ít nhất là
không phải không có một phân tích phức tạp hơn đó là vượt quá phạm vi của cuốn sách này). Đây chính là
các loại thông tin mà mô phỏng có thể cung cấp, như minh họa trong ví dụ 11.2 Chap
ter 11. Trong ngắn hạn, mô phỏng cho phép chúng tôi để xem cách thuần lợi nhuận được phân phối cho một thứ tự nhất định
số lượng, nhưng nó không phải là rất thích hợp cho việc tìm kiếm số lượng đặt hàng tối ưu. Critical fractile Analy
sis hoàn toàn ngược lại ở chỗ nó cho phép chúng tôi để tìm ra số lượng đặt hàng tối ưu thay eas
đình, nhưng nó không cung cấp sự phân phối lợi nhuận ròng. Phân tích sâu hơn về lợi nhuận ròng cho điều này
số lượng đặt hàng là tốt nhất còn lại để mô phỏng.
Mặc dù thiếu sót của nó, phân tích fractile quan trọng không cho phép chúng ta xem như thế nào op
số lượng đặt hàng timal phụ thuộc vào (1) các giá trị tương đối của nắp và cunder, và ( 2) hình dạng
của phân phối theo yêu cầu. Ví dụ, giả sử tăng giá bán từ $ 10 đến
$ 15. Điều này không ảnh hưởng đến chi phí của overstocking, nhưng nó làm tăng chi phí của understocking
đến $ 7,50, tỷ suất lợi nhuận mới. Như chúng ta mong đợi, điều này cung cấp một sự khuyến khích cho Walton
để đặt lịch nhiều hơn trước để tránh chạy ra và mất đi bán hàng. Đây chính xác là
những gì sẽ xảy ra. Các fractile quan trọng mới là 7.50? (5? 7.50)? 0.6, mà chúng tôi nhập vào trong
cửa sổ Xác định phân phối @ RỦI RO của. Bạn có thể kiểm tra thứ tự quan tương ứng
tity tại là 200, xác suất của understocking chỉ 0,4, và xác suất của hơn
thả là 0,6. Một ví dụ khác, giả sử giá bán vẫn ở mức $ 10, nhưng Walton
chỉ nhận được 1 $ cho lịch còn sót lại. Sau đó, các chi phí understocking là không bị ảnh hưởng, nhưng
overstocking chi phí tăng lên $ 6.50, sự khác biệt giữa chi phí đơn vị của Walton và sal
giá trị vage. Điều này cung cấp một sự khuyến khích để đặt lịch ít hơn. Các fractile quan trọng bây giờ là
2.50? (6,50? 2,50)? 0,278, số lượng đặt hàng tối ưu giảm xuống còn khoảng 165, proba
trách của understocking là 0,722, và xác suất của overstocking là 0,278.
Chúng tôi cũng có thể dễ dàng thấy số lượng đặt hàng tối ưu phụ thuộc vào hình dạng của de
phân phối mand. Giả sử, ví dụ, rằng sự phân bố nhu cầu bình thường với
trung bình như nhau và độ lệch chuẩn, 191,67 và 41,248, như sự phân bố tam giác chúng ta chỉ