一、生产能力设计的决策模式
进行长期需求的正常生产能力的设计决策是一种战略性的长期决策,从决策类型看属于风险型决策,甚至是不确定型决策。因此,其决策模式(方法)适用于期望值法和决策树法。如果是不确定型决策,就应用各种标准进行分析。现介绍期望值法与决策树法如何应用于生产能力决策,举例说明如下。
(一)期望值法
期望值 EMV 就是把一个方案在不同自然状态下的条件收益乘上其概率之和,期望值越大越好。期望值法已开发出计算机程序。下例是用该程序计算的。
举例说明如下:
假设目前创办一个企业,拟生产某种产品,经过市场需求的长期预测, 未来 10 年的企业需求量有四种可能情况和可能出现的概率如表 1O-1 所示:
表 1O-1 未来 10 年某种产品企业需求预测表
年需求量 |
10000 |
20000 |
30000 |
40000 |
---|---|---|---|---|
概率 |
0.2 |
0.4 |
0.3 |
0.1 |
预计每件单价 40 元。现提出四个生产能力方案和每个方案可以有三种技术水平。每个方案在每种技术水平下的单位可变成本和每年固定成本(包括投资回收)如表 10-2 所示。
技术 单位可 水平变成本 方案 |
现有一般技术 |
较先进的适用技术 |
先进技术 |
---|---|---|---|
年产 10000 件 |
21 |
25 |
32 |
年产 20000 件 |
16 |
14 |
18 |
年产 30000 件 |
19 |
13 |
12 |
年产 40000 件 |
26 |
18 |
14 |
年固定成本(元) |
30 万 |
42 万 |
50 万 |
假设每年生产的产品如果当年销售不出去,就形成积压报废,不能再使用,没有残值。
现用期望法进行生产能力决策。
实际上这里是三种技术水平,每种水平下有 4 个方案,一共有 3X4= 12 个生产能力方案,从中选择出一个满意的方案。
首先要计算出每个方案在不同情况下的条件收益。
例如,在现有技术下年产 10000 件的能力方案,如果年销售也是 10000
件,则在此情况下的条件收益为: 40×10000-(21×10000)-30 万=-11 万
因每年只能生产 10000 件,即使需求量超过 10000 件,也只能得到-11 万的条件收益。
由此类推,可得出各种条件收益公式如下:
条件收益= 单价×年销售量-年产量×单位变动成本-年固定成本
例如年产 30000 件能力,在一般技术的水平下,年销售量只有 20000 件时,则其条件收益如下
40×30000-30000×19-30=-7 万
如果年销售为 30000 件,则条件收益为40×30000-30000×19-30=33 万
余类推。
用期望值法分析,就要按不同技术水平列出 3 个期望值表。见表 10-3-A, B,C。
表 10-3-a 在一般技术水平下条件收益表
年销售 |
10000 |
20000 |
30000 |
40000 |
|
---|---|---|---|---|---|
条 件 概 收益 率 |
期望值EMV |
||||
0.2 |
0.4 |
0.3 |
0.1 |
||
方案 |
|||||
年产 10000 |
-11 |
-11 |
-11 |
-11 |
-11 |
年产 20000 |
-22 |
18 |
18 |
18 |
10v |
年产 30000 |
-47 |
-54 |
33 |
33 |
1 |
年产 40000 |
-94 |
-54 |
-14 |
26 |
-42 |
表 10-3-b 在适用技术水平下条件收益表
年销售 |
10000 |
20000 |
30000 |
40000 |
|
---|---|---|---|---|---|
条 件 概 收益 率 |
期望值EMV |
||||
0.2 |
0.4 |
0.3 |
0.1 |
||
方案 |
|||||
年产 10000 |
-27 |
-27 |
-27 |
-27 |
-27 |
年产 20000 |
-30 |
10 |
10 |
10 |
2 |
年产 30000 |
-41 |
-1 |
39 |
39 |
7v |
年产 40000 |
-74 |
-34 |
-6 |
46 |
-22 |
表 10-3-c 在先进技术水平下条件收益表
年销售 |
10000 |
20000 |
30000 |
40000 |
|
---|---|---|---|---|---|
条 件 概 收益 率 |
期望值EMV |
||||
0.2 |
0.4 |
0.3 |
0.1 |
||
方案 |
|||||
年产 10000 |
-42 |
-42 |
-42 |
-42 |
-42 |
年产 20000 |
-46 |
-6 |
-6 |
-6 |
-14 |
年产 30000 |
-46 |
-6 |
34 |
34 |
2v |
年产 40000 |
-66 |
-26 |
14 |
54 |
-14 |
从上述三个期望值表中可以比较看出,采用现有技术水平,年产 20000 件的能力方案最佳。这个方案年平均收益为 10 万元,但并不是年年如此,有两种情况,其中约有 8 年每年收益 18 万,有两年亏 22 万,平均是 10 万。上
述三表中还可以看出,不论什么技术,最低的经济规模不能少于年产 10000
件,否则只有亏本。最佳规模应为年产 20000 件。最大规模在 40000 件以下,
因为达到 40000 件都是负数。
为了研究所采用的方案的可靠性,可进行敏感性分析。所谓敏感性分析是指当某种条件发生变化,变化到什么程度,所采用的方案就不可行,而应转而采用另一方案。如果稍有变化,就会影响方案的改变,说明目前所采用的方案敏感性大,”可靠性差。
敏感性分析要抓住主要的不可控因素。如生产能力决策、主要因素是市场需求概率的变动。因此,这里的分析是从一个方案转而采取另一个方案的转折概率的大小。
如上例,已知当需求大于 20000 件的概率为 0.8 时,采用方案年产 20000
件。那么这个概率降至多少才转而采用第一方案即年产 10000 件呢?设转折概率为 P,则有:
18P-22×(1-P)=-11。
解之,P=0.2275。即概率降至 0.2275,就应转而采用年产 10000 件的方案。可是这个方案的期望值为负数,显然是不可行的;现在进一步向转折概率多少才不亏本呢?则有
18P-22×(1-P)=0
解之,P=0.55。即从0.8 降至 0.55,采用年产 20000 件的方案也不亏本。可见敏感性不强,采用这个方案还是可靠的。
(二)决策树法
如果是一级决策,一般采用期望值法就可以满足要求,比较简单。如果是多级决策,就要采用决策树法。
决策树法已开发有现行可用的计算机程序,可兹应用。只要先绘出决策树,按程序要求输入各个节点号码,各个决策点以及概率枝的概率和条件收益,即可计算出各概率点和决策点的期望值和进行决策。这对于大型的多级决策树是很有用的。同时可以进行数据修改,改动有关概率,进行敏感分析, 进行不同方案的比较。下面的例子是按照计算机程序要求绘出的决策树,并用计算机计算出其结果并进行抉择。
兹举例说明如下:
假设接上述期望值法的例子。有人提出,以上述选定的在现有技术水平年产 20000 件能力的方案为基础进一步考虑,先看两年,如果头两年销售量
大于 20000 件,则考虑是否扩建,修正概率,可能后 8 年,年销售量只有 10000 件的概率只有 0.05,而年销售 2 万、3 万、4 万的概率依次为 0.25,0.4,0.3。假设在 20000 件年销售量以下,则今后需求就偏低,年销售 1 万、2 万、3 万、4 万的概率依次低至 0.3,0.5,0.115,0.05。如果扩建提高技术水平, 从现有水平提高出适用技术水平。每年固定成本增加 3 万元,提高至先进水
平则每年增加固定成本 8 万元。其余不变。应如何进行决策。
按照决策树原理,绘出决策树及决策如图 10—4 所示输入计算机求解,结果如下:
DECISION TREE ANALYSIS
对策树分析
Node |
Type of node |
Expected |
value |
Decision |
---|---|---|---|---|
节点 |
节点类型 |
期望值 |
决策 |
|
1 |
decision |
17.04 |
b |
|
2 |
chance |
13.2 |
||
3 |
chance |
17.04 |
||
4 |
chance |
13.2 |
||
5 |
decision |
21.2 |
b12 |
|
6 |
decision |
.3999996 |
b23 |
|
7 |
decision |
16.4 |
c13 |
8 decision .3999996 c23
9 |
chance |
16.4 |
---|---|---|
10 |
chance |
.3999996 |
11 |
chance |
4.400001 |
12 |
chance |
21.2 |
13 |
chance |
16.4 |
14 |
chance |
—35.6 |
15 |
chance |
—10.8 |
16 |
chance |
.3999996 |
17 |
chance |
6.8 |
18 |
chance |
13.2 |
19 |
chance |
16.4 |
20 |
chance |
—33.2 |
21 |
chance |
—18.8 |
22 |
chance |
.3999996 |
说明:decision 决策点,chance 自然状态点(机会点)。
从结果可以看出,其决策是方案 B,即先建一般水平年产 20000 件的厂, 以后若高需求,改造为适用技术水平年产 30000 件的厂 bl2,差低需求则不改造不扩建,即 b23 方案,cl3,c23 均可。
从图中可看出,一开始接三种技术水平考虑有三个总方案。因已知建一般技术水平年产 20000 件的生产能力方案最适合,故已此为基础展开。再根据两年的销售状况,展开第二级决策方案。由于两年后,如果销售量大于20000 件,则以此为始点,研究是否扩大或不扩大生产规模从而得出上述决策树图。
在两级决策树中,为了适应电子计算机已有程序的需要,把两段的条件收益综合计算为最末枝的条件收益。如上例■—■这个概率枝的条件收益, 这是需求达 40000 件以上,生产能力扩建为 帧 000 件,在适用技术水平的条件收益。根据适用技术的期望值表,上表 10-3b,已知其条件收益为年收益46 万,因为改造,增加固定成本 3 万,故年收益只 43 万。由于只有 8 年,
故乘上 0.8。又由于前两年销售 20000 件以上每年收益 18 万(见上表 10-3- a),因只有两年,故乘上 0.2。该概率枝的条件收益为(46-3)×0.8 十 18
×0.2=38
由此得出,该决策树条件收益的一般式为:
条件收益=后一段年度条件收益×后一段年度权数士前一段年度条件× 前一段年度权数。
如■-■这个概率枝的条件收益是
(6-3)×0.8-22×0.2=-2,余类推。
从结果中可以看出,应采用先建一个具有一般技术水平,年产 20000 件
的工厂,两年后如果发现销售量大于 20000 件,就改造为适用(中间)技术
水平,年生产能力扩大至 30000 件的厂,如果发现销售量低于 20000 件;就
不扩建(因已是 20000 件),也不进行技术改造。其平均收益最高,也就是
说,如果遇到低需求,不扩建,平均为 4 万,任何方案都一样;如果是高需
求,则这方案平均收益为 21.2 万,是最高的。
同样,可以改动分枝的概率进行敏感性分析。