Auszug
Quantitative Ansätze zum Bestandsmanagement im Rahmen der Kreislauflogistik fokussieren hauptsächlich auf Losgrößen- und Sicherheitsbestände. Aufgrund der dabei genutzten statischen Modellannahmen sind sie kaum in der Lage, die häufig in der Praxis vorzufindenden hohen Bestände insbesondere an Altprodukten zu erklären. Eine explizite Berücksichtigung dynamischer Einflüsse, wie sie beispielsweise Saisonalitäten, Produktlebenszyklen oder auch die Kostendynamik darstellen, führt zu neuen Motiven für die Lagerhaltung. Aufgabe der Dissertation [5] war es, solche Motivationen zu identifizieren. Dabei wurde auf eine zeitstetige Modellierung zurückgegriffen. Als Lösungsmethodik wurde Pontryagins Maximumprinzip genutzt, mit welchem generelle Struktureigenschaften optimaler Lösungen für ganze Problemklassen ermittelt werden können. Dieser Artikel gibt einen Überblick über wesentliche Resultate der Dissertation.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
References
Dekker R, Fleischmann M, Inderfurth K, Van Wassenhove LN (2004) Quantitative models for reverse logistics decision management. In: Dekker R, Fleischmann M, Inderfurth K, Van Wassenhove LN (Hrsg.) Reverse Logistics, S. 25–41. Springer, Berlin.
Kiesmüller GP (2003) Optimal control of a one product recovery system with leadtimes. International Journal of Production Economics, 81–82:333–340.
Kiesmüller GP, Minner S, Kleber R (2000). Optimal control of a one product recovery system with backlogging. IMA Journal of Mathematics Applied in Business and Industry, 11:189–207.
Kiesmüller GP, Minner S, Kleber R (2004). Managing dynamic product recovery: An optimal control perspective. In: Dekker R, Fleischmann M, Inderfurth K, Van Wassenhove LN (Hrsg.) Reverse Logistics, S. 221–247. Springer, Berlin.
Kleber R (2006) Dynamic Inventory Management in Reverse Logistics. Springer, Berlin.
Kleber R (2006) The integral decision on production/remanufacturing technology and investment time in product recovery. OR Spectrum 28: 21–51.
Kleber R, Minner S, Kiesmüller GP (2002). A continuous time inventory model for a product recovery system with multiple options. International Journal of Production Economics, 79:121–141.
Minner S, Kiesmüller GP (2002). Dynamic product acquisition in closed loop supply chains. FEMM Working Paper 9/2002, Otto-von-Guericke-Universität Magdeburg.
Minner S, Kleber R (2001) Optimal control of production and remanufacturing in a simple recovery model with linear cost functions. OR Spektrum 23:3–24.
Minner S, Lindner G (2004) Lot sizing decisions in product recovery management. In: Dekker R, Fleischmann M, Inderfurth K, Van Wassenhove LN (Hrsg.) Reverse Logistics, S. 157–179. Springer, Berlin.
van der Laan EA, Kiesmüller GP, Kuik R, Vlachos D, Dekker R (2004) Stochastic inventory control for product recovery management. In: Dekker R, Fleischmann M, Inderfurth K, Van Wassenhove LN (Hrsg.) Reverse Logistics, S. 181–220. Springer, Berlin.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2007 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Kleber, R. (2007). Dynamisches Bestandsmanagement in der Kreislauflogistik. In: Waldmann, KH., Stocker, U.M. (eds) Operations Research Proceedings 2006. Operations Research Proceedings, vol 2006. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-540-69995-8_4
Download citation
DOI: https://doi.org/10.1007/978-3-540-69995-8_4
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-69994-1
Online ISBN: 978-3-540-69995-8
eBook Packages: Business and EconomicsBusiness and Management (R0)