Hva er Lot Sizing Calculator?
▾
Partidimensjonering er prosessen med å bestemme den optimale mengden som skal bestilles eller produseres i en enkelt batch – balansere den faste kostnaden for å plassere en ordre (oppsettskostnad, innkjøpsadmin, minimumsfraktgebyrer) mot de variable kostnadene ved å holde varelager over tid. The Economic Order Quantity (EOQ) er den mest kjente formelen for partistørrelse, først utledet av Ford Whitman Harris i 1913, og den er fortsatt en av de mest brukte formlene innen forsyningskjedestyring. En kalkulator for størrelse på EOQ/parti hjelper kjøpere, planleggere og produksjonsplanleggere med å finne bestillingsmengden som minimerer den totale årlige lagerkostnaden – summen av bestillingskostnad og beholdningskostnad. Totalkostnad er U-formet som en funksjon av bestillingsmengde: svært små bestillinger skaper hyppige, høye bestillingskostnader; svært store bestillinger minimerer bestillingsfrekvensen, men øker kostnadene for beholdning. EOQ er det matematiske minimum av denne kurven. Utover EOQ, implementerer kalkulatoren også periodisk gjennomgang av partistørrelsesmetoder (POQ, Lot-for-Lot, Silver-Meal, Part Period Balancing) brukt i MRP-systemer for klumpete, tidsfasede etterspørsel. Nøkkelinndata er årlig etterspørsel, bestillingskostnad (kostnad for å legge inn én innkjøpsordre eller sette opp én produksjonskjøring), og beholdningskostnadssats (årlig kostnad for å bære én enhet av inventar, typisk 20–30 % av enhetskostnaden). Kalkulatoren gir optimal ordrekvantum, optimalt antall ordrer per år, optimalt ordreintervall og total årlig lagerkostnad. Sensitivitetsanalyse viser hvordan totalkostnaden endres hvis EOQ-forutsetningene endres.
DigiCalcs delivers precision-engineered tools for engineers and STEM professionals.
Formel
▾
EOQ = √(2 × D × S / H)
Hvor: D = Årlig etterspørsel (enheter); S = Bestillings-/oppsettkostnad per bestilling; H = Beholdningskostnad per enhet per år = Enhetskostnad × Beholdningssats
Total årlig kostnad = (D/Q) × S + (Q/2) × H
Optimale bestillinger per år = D / EOQ
Optimalt bestillingsintervall = 365 / (D/EOQ) dager
Ombestillingspunkt = (D/365) × Ledetid + SikkerhetslagerVariabelbeskrivelse
▾
| Symbol | Navn | Enhet | Beskrivelse |
|---|---|---|---|
| D | — | En nøkkelinndataparameter for Lot Sizing Calc som representerer d i formelen, som direkte påvirker den beregnede utgangen gjennom dens matematiske rolle | |
| S | — | En nøkkelinndataparameter for Lot Sizing Calc som representerer s i formelen, som direkte påvirker den beregnede utgangen gjennom dens matematiske rolle | |
| H | — | En nøkkelinndataparameter for Lot Sizing Calc som representerer h i formelen, som direkte påvirker den beregnede utgangen gjennom dens matematiske rolle | |
| Q* | — | En nøkkelinndataparameter for Lot Sizing Calc som representerer q* i formelen, som direkte påvirker den beregnede utgangen gjennom dens matematiske rolle | |
| TC | — | En nøkkelinndataparameter for Lot Sizing Calc som representerer tc i formelen, som direkte påvirker den beregnede utgangen gjennom dens matematiske rolle | |
| N* | — | En nøkkelinndataparameter for Lot Sizing Calc som representerer n* i formelen, som direkte påvirker den beregnede utgangen gjennom dens matematiske rolle | |
| T* | — | En nøkkelinndataparameter for Lot Sizing Calc som representerer t* i formelen, som direkte påvirker den beregnede utgangen gjennom dens matematiske rolle |
Slik Lot Sizing Calculator
▾
- 1Angi årlig etterspørsel (D) i enheter – bruk 52-ukers etterspørsel eller prognose.
- 2Angi bestillingskostnad (S) — kostnad for å legge inn én innkjøpsordre: innkjøpspersonalets tid, systemtransaksjonskostnad, leverandørens minimumskostnader, mottakskostnad per ordre.
- 3Angi enhetskostnad og beholdningskostnadssats (typisk 20–30 % årlig inkludert kapitalkostnader, lagring, foreldelse, forsikring).
- 4Beregn H = Enhetskostnad × Beholdningssats — Beholdningskostnad per enhet per år.
- 5Bruk EOQ-formel: √(2DS/H) for å få optimal ordrekvantitet.
- 6Del årlig etterspørsel med EOQ for å få optimale bestillinger per år; del 365 på ordre/år for ordreintervall i dager.
- 7Legg til etterbestillingspunkt = gjennomsnittlig etterspørsel under ledetid + sikkerhetslager.
Løste eksempler
▾
Optimalt å bestille 303 enheter 8 ganger i året. Dagens praksis med å bestille 500 enheter 4,8×/år koster $118/år mer i beholdningskostnader – å bytte til EOQ sparer 7 % på lagerkostnader.
Hver produksjonsserie skal produsere 6 742 enheter. Med 7,4 kjøringer per år, kjører produksjonsplanene omtrent hver 7. uke for å minimere kombinerte kostnader for oppsett og lagerbeholdning.
Høy enhetskostnad (høy H) driver EOQ ned — det er billigere å bestille ofte i små kvanta enn å ha dyrt varelager. Bestill ca månedlig.
EOQ er det globale minimum - men totalkostnaden er relativt flat nær EOQ (kurven er grunn). Selv 65 % mer enn EOQ koster bare 6 % mer — og det er grunnen til at EOQ er robust mot små avvik.
Praktiske anvendelser
▾
Profesjonelle innen finans og investering bruker Lot Sizing Calc som en del av deres standard analytiske arbeidsflyt for å verifisere beregninger, redusere aritmetiske feil og produsere konsistente resultater som kan dokumenteres, revideres og deles med kolleger, kunder eller reguleringsorganer for overholdelsesformål.
Universitetsprofessorer og instruktører innlemmer Lot Sizing Calc i kursmateriell, hjemmeoppgaver og eksamensforberedende ressurser, slik at studentene kan sjekke manuelle beregninger, bygge intuisjon om input-output-relasjoner og fokusere på konseptuell forståelse i stedet for aritmetikk.
Konsulenter og rådgivere bruker Lot Sizing Calc for raskt å modellere ulike scenarier under kundemøter, noe som muliggjør sanntidsutforskning av hva-hvis-spørsmål som ellers ville kreve å returnere til kontoret for detaljert regnearkbasert analyse og rapportering.
Individuelle brukere stoler på Lot Sizing Calc for personlige planleggingsbeslutninger – sammenligne alternativer, verifisere tilbud mottatt fra tjenesteleverandører, sjekke tredjepartsberegninger og bygge tillit til at tallene bak en viktig beslutning er beregnet riktig og konsekvent.
Spesielle tilfeller
▾
Ekstreme inngangsverdier
I praksis krever denne kantsaken nøye vurdering fordi standardforutsetninger kanskje ikke holder. Når de møter dette scenariet i kalkulatorberegninger for partistørrelser, bør utøvere verifisere grensebetingelser, se etter divisjon-for-null risikoer og vurdere om modellens forutsetninger forblir gyldige under disse ekstreme forholdene.
Forutsetningsbrudd
I praksis krever denne kantsaken nøye vurdering fordi standardforutsetninger kanskje ikke holder. Når de møter dette scenariet i kalkulatorberegninger for partistørrelser, bør utøvere verifisere grensebetingelser, se etter divisjon-for-null risikoer og vurdere om modellens forutsetninger forblir gyldige under disse ekstreme forholdene.
Avrunding og presisjonseffekter
I praksis krever denne kantsaken nøye vurdering fordi standardforutsetninger kanskje ikke holder. Når de møter dette scenariet i kalkulatorberegninger for partistørrelser, bør utøvere verifisere grensebetingelser, se etter divisjon-for-null risikoer og vurdere om modellens forutsetninger forblir gyldige under disse ekstreme forholdene.
Lot Sizing Calc referansedata
▾
| Årlig etterspørsel | Enhetskostnad | Bestillingskostnad | Typisk EOQ | Bestillingsfrekvens |
|---|---|---|---|---|
| 1000 enheter | $10 | $50 | 100 enheter | 10×/år |
| 5000 enheter | $25 | $100 | 200 enheter | 25×/år |
| 10 000 enheter | $5 | $200 | 1.265 enheter | 8×/år |
| 50 000 enheter | $50 | $500 | 1000 enheter | 50×/år |
| 100 000 enheter | $2 | $150 | 3.873 enheter | 26×/år |
Ofte stilte spørsmål
▾
I sammenheng med Lot Sizing Calc avhenger dette av brukerens spesifikke input, forutsetninger og mål. Den underliggende formelen gir et deterministisk forhold mellom input og output, men anvendelse i den virkelige verden krever tolkning av resultatet innenfor den bredere konteksten av finans- og investeringspraksis. Fagfolk kryssreferanser typisk kalkulatorutdata med industristandarder, historiske data og regulatoriske krav. For de mest pålitelige resultatene, sørg for at inndata hentes fra verifiserte data, forstå hvilke forutsetninger formelen gjør, og vurder å kjøre flere scenarier for å avgrense rekkevidden av sannsynlige utfall.
I sammenheng med Lot Sizing Calc avhenger dette av brukerens spesifikke input, forutsetninger og mål. Den underliggende formelen gir et deterministisk forhold mellom input og output, men anvendelse i den virkelige verden krever tolkning av resultatet innenfor den bredere konteksten av finans- og investeringspraksis. Fagfolk kryssreferanser typisk kalkulatorutdata med industristandarder, historiske data og regulatoriske krav. For de mest pålitelige resultatene, sørg for at inndata hentes fra verifiserte data, forstå hvilke forutsetninger formelen gjør, og vurder å kjøre flere scenarier for å avgrense rekkevidden av sannsynlige utfall.
I sammenheng med Lot Sizing Calc avhenger dette av brukerens spesifikke input, forutsetninger og mål. Den underliggende formelen gir et deterministisk forhold mellom input og output, men anvendelse i den virkelige verden krever tolkning av resultatet innenfor den bredere konteksten av finans- og investeringspraksis. Fagfolk kryssreferanser typisk kalkulatorutdata med industristandarder, historiske data og regulatoriske krav. For de mest pålitelige resultatene, sørg for at inndata hentes fra verifiserte data, forstå hvilke forutsetninger formelen gjør, og vurder å kjøre flere scenarier for å avgrense rekkevidden av sannsynlige utfall.
I sammenheng med Lot Sizing Calc avhenger dette av brukerens spesifikke input, forutsetninger og mål. Den underliggende formelen gir et deterministisk forhold mellom input og output, men anvendelse i den virkelige verden krever tolkning av resultatet innenfor den bredere konteksten av finans- og investeringspraksis. Fagfolk kryssreferanser typisk kalkulatorutdata med industristandarder, historiske data og regulatoriske krav. For de mest pålitelige resultatene, sørg for at inndata hentes fra verifiserte data, forstå hvilke forutsetninger formelen gjør, og vurder å kjøre flere scenarier for å avgrense rekkevidden av sannsynlige utfall.
I sammenheng med Lot Sizing Calc avhenger dette av brukerens spesifikke input, forutsetninger og mål. Den underliggende formelen gir et deterministisk forhold mellom input og output, men anvendelse i den virkelige verden krever tolkning av resultatet innenfor den bredere konteksten av finans- og investeringspraksis. Fagfolk kryssreferanser typisk kalkulatorutdata med industristandarder, historiske data og regulatoriske krav. For de mest pålitelige resultatene, sørg for at inndata hentes fra verifiserte data, forstå hvilke forutsetninger formelen gjør, og vurder å kjøre flere scenarier for å avgrense rekkevidden av sannsynlige utfall.
I sammenheng med Lot Sizing Calc avhenger dette av brukerens spesifikke input, forutsetninger og mål. Den underliggende formelen gir et deterministisk forhold mellom input og output, men anvendelse i den virkelige verden krever tolkning av resultatet innenfor den bredere konteksten av finans- og investeringspraksis. Fagfolk kryssreferanser typisk kalkulatorutdata med industristandarder, historiske data og regulatoriske krav. For de mest pålitelige resultatene, sørg for at inndata hentes fra verifiserte data, forstå hvilke forutsetninger formelen gjør, og vurder å kjøre flere scenarier for å avgrense rekkevidden av sannsynlige utfall.
I sammenheng med Lot Sizing Calc avhenger dette av brukerens spesifikke input, forutsetninger og mål. Den underliggende formelen gir et deterministisk forhold mellom input og output, men anvendelse i den virkelige verden krever tolkning av resultatet innenfor den bredere konteksten av finans- og investeringspraksis. Fagfolk kryssreferanser typisk kalkulatorutdata med industristandarder, historiske data og regulatoriske krav. For de mest pålitelige resultatene, sørg for at inndata hentes fra verifiserte data, forstå hvilke forutsetninger formelen gjør, og vurder å kjøre flere scenarier for å avgrense rekkevidden av sannsynlige utfall.
Vanlige feil å unngå
▾
- !
- !
- !
Pro Tips
"EOQ-ufølsomhetsegenskapen" betyr at totalkostnaden er innenfor 1 % av optimal for bestillingsmengder mellom 0,75× og 1,33× EOQ. Ikke bli besatt av å få den nøyaktige EOQ - en rimelig tilnærming innenfor 25% av EOQ gir nesten samme kostnadsresultat.
Visste du?
EOQ-formelen ble uavhengig avledet minst 3 ganger før Harris publiserte den i 1913 - av Andler i 1929 (kalt 'Andler-formelen' i Tyskland), av Camp i 1922 og av Harris i 1913. Den kalles ofte 'Wilson-formelen' i Storbritannia etter R.H. Wilson som populariserte den i en britisk attributt -1920. lærebøker.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
Referanser
Få ukentlige mattetips
Bli med 12 000+-abonnenter som får kalkulatortips hver uke.