Die Bachelorarbeit klärt die Frage, ob Bestandsmanagementstrategien auf altbewährten Methoden aufbauen sollten oder die Implementierung von neuen innovativen Systemen vorteilhafter wäre. Ist es für Klein- und Mittelunternehmen überhaupt möglich realitätsnahe Prognosemodelle aufzustellen oder ist der benötigte Detaillierungsgrad zu hoch? Diese Vielzahl von Daten stellen KMUs vor nicht zu unterschätzenden Herausforderungen, die im Rahmen der Case Study erläutert werden.
Im ersten Teil der Arbeit werden die Literatur sowie die theoretischen Grundlagen für die Durchführung der Case Study aufgearbeitet. Für die Case Study wurden Lagerbestände von einem anonymisierten Unternehmen, welches auf dem DACH-Markt tätig ist, verwendet. Darauf basierend wurden die exponentiellen Glättungen 1 bis 3 je Warengruppe bzw. pro Artikel sowie der Safety Stock berechnet. Diese Ergebnisse wurden anschließend anhand des MAPE und MAD analysiert sowie in Regressionsanalysen dargestellt.
Die kürzeren Produktlebenszyklen und die steigende Dynamik auf den internationalisierten Märkten hatten zur Folge, dass sich über die letzten Jahre die Sichtweise der Unternehmen auf ihr Bestandsmanagement veränderte. Aufgrund des marktbeherrschenden Kostendrucks gingen die Entwicklungen von hohen Lagerbeständen in Richtung einer starken Reduzierung der Bestände. Dies soll eine Reduktion von Kosten und dem Working Capital sicherstellen. Im Vordergrund jeder Unternehmensstrategie für die optimalen Bestände steht ein Trade-off zwischen der Senkung der Kapitalbindung für eine höhere Kapitalumschlagshäufigkeit, sowie einer Steigerung des Lieferservicegrades.
Für die Überbrückung von zeitlichen, räumlichen und mengenmäßigen Differenzen zwischen den Input- und Outputströmen wird es für die Unternehmen immer wichtiger, die genauen Absatz bzw. die Produktionskapazitäten zu prognostizieren. Die verschiedenen Fertigungsprinzipien wie, make to order oder make to stock benötigen sehr detaillierte und genaue Einschätzungen, damit die Lagerhaltungskosten so niedrig wie möglich gehalten werden können.
Inhaltsverzeichnis
- Einleitung
- Problemstellung
- Forschungsfragen
- Methodische Vorgehensweise und Zielsetzung
- Bestandsmanagement allgemein
- Definition und Aufgaben
- Bestandsmanagement für den Logistikerfolg
- Entwicklungen des Bestandsmanagements
- Computer Systeme und RFID
- Application Programing Interface (API)
- Auswirkungen der Digitalisierung
- Digitale Fertigungsplattformen
- Revenue Management bei MTO
- Einfluss digitaler Startup-Technologien im Operations Management
- Rolle des Bestandsmanagements
- Methoden im Bestandsmanagement
- Verfahren der Materialklassifizierung
- ABC-Analyse
- Gesunder Bestand
- XYZ-Analyse
- Forecast-Methoden
- Lagerbezogene Leistungskriterien
- Produktbezogene Leistungskriterien
- Exponentielle Glättung 1. - Exponential smoothing
- Exponentielle Glättung 2. - Holts's exponential smoothing
- Exponentielle Glättung 3. - Holt-Winter's exponential smoothing
- α-Servicegrad
- β-Servicegrad
- γ-Servicegrad
- Korrelationen und Regressionsanalyse
- Einfache lineare Regression
- Multiple Regression
- Bestandscontrolling
- Bestandsführung
- Bestandsrechnung
- Bestandsanalyse
- Bestandsanpassungsmaßnahmen
- Lagerreichweite
- Vorratsintensität
- Bestandsstruktur
- Durchschnittlicher Lagerbestand
- Durchschnittliche Lagerdauer
- Umschlagshäufigkeit im Lager
- Servicegrad - Lieferbereitschaft
- Action-Value Methode
- Supply Chain Produktion/Planung/Steuerung/Kontrolle
- Produktionsplanung und Steuerung
- Production & Demand Ratios – Order Decoupling Point (CODP)
- Gesamte logistische Durchlaufzeit (P-time)
- Bedarfszeit (D-time)
- Auswirkungen wenn P-Time ist länger als D-Time
- Manufacturing, Planning and Control System (MPC)
- Just in Time Politik
- Zentrales Bestandsmanagement Modell
- Dezentrales Bestandsmanagement Modell
- Modelle im Bestandsmanagement
- Make to Stock (MTS) - Lagerproduktion
- Make to Order (MTO) - Kundenauftragsproduktion
- Assemble to Order (ATO)
- Supply Chain Operations Reference-Modell (SCOR-Modell)
- Prozesskategorien
- Prozesselemente und Implementierung
- Safety Stock
- Kernprozesse
- Kurzfristiges Kapazitätsmanagementproblem MTO
- Auftragsannahme- und Terminierungsproblem (OAS) MTO
- Mathematisches Modell
- VDPSO-MGT Algorithmus
- VDPSO Algorithmus
- Newsvendor-Modell
- Newsvendor-Modell ohne bestellfixe Kosten
- Newsvendor-Modell mit bestellfixen Kosten (s,S)-Politik
- Bullwhip Effekt
- Big Data
- Service and Manufacturing Supply Chain Management (SM-SCM)
- Herausforderungen, Möglichkeiten und Prognosen
- Case Study
- Forecast-Methoden
- Regressionsanalyse
- Praktische Anwendung Safety Stock
- Conclusio Forecast-Methoden
- Conclusio Regressionsanalyse
- Conclusio Case Study
- Beantwortung der Forschungsfragen
- Einschränkungen der Arbeit
- Ausblick für weitere Forschungsmöglichkeiten
Zielsetzung und Themenschwerpunkte
Diese Bachelorarbeit analysiert innovatives Bestandsmanagement in der Supply Chain. Ziel ist es, bestehende Konzepte zu untersuchen und mögliche Zukunftsrichtungen aufzuzeigen. Die Arbeit betrachtet verschiedene Methoden und Modelle des Bestandsmanagements im Kontext der Digitalisierung und der Supply Chain Optimierung.
- Analyse bestehender Bestandsmanagementkonzepte
- Einfluss der Digitalisierung auf das Bestandsmanagement
- Bewertung verschiedener Forecast-Methoden
- Anwendung von Regressionsanalysen im Kontext des Bestandsmanagements
- Untersuchung von Produktions- und Bestandsmodellen (MTS, MTO)
Zusammenfassung der Kapitel
Einleitung: Die Einleitung stellt die Problemstellung und die Forschungsfragen der Arbeit vor. Sie beschreibt die methodische Vorgehensweise und die Zielsetzung der Untersuchung innovativer Bestandsmanagementkonzepte in der Supply Chain. Der Fokus liegt auf der Analyse bestehender Konzepte und der Identifikation möglicher Zukunftsrichtungen. Diese Einleitung legt den Grundstein für die detaillierte Auseinandersetzung mit den nachfolgenden Kapiteln.
Bestandsmanagement allgemein: Dieses Kapitel definiert Bestandsmanagement und dessen Aufgaben. Es erläutert die Bedeutung des Bestandsmanagements für den Logistikerfolg und beleuchtet die Entwicklungen im Bereich Bestandsmanagement, insbesondere im Hinblick auf die zunehmende Digitalisierung und den Einsatz neuer Technologien wie RFID, APIs und digitaler Fertigungsplattformen. Es wird auf die Rolle des Bestandsmanagements im Kontext von Revenue Management und den Einfluss von digitalen Startup-Technologien eingegangen.
Methoden im Bestandsmanagement: Dieses Kapitel befasst sich mit verschiedenen Methoden der Materialklassifizierung (ABC-, XYZ-Analyse), Forecast-Methoden (exponentielle Glättung, Regressionsanalyse) und dem Bestandscontrolling. Es werden verschiedene Kennzahlen und Verfahren zur Bestandsanalyse und -steuerung vorgestellt und deren Anwendung erläutert. Das Kapitel liefert ein umfassendes Verständnis der Werkzeuge, die im Kontext des Bestandsmanagements zum Einsatz kommen.
Supply Chain Produktion/Planung/Steuerung/Kontrolle: Dieses Kapitel behandelt die Aspekte der Produktionsplanung und -steuerung innerhalb der Supply Chain. Es analysiert die Beziehungen zwischen Produktionszeit und Bedarfszeit (P-time und D-time) sowie die Auswirkungen von unterschiedlichen Verhältnissen. Zudem werden verschiedene Planungs- und Steuerungssysteme wie MPC und Just-in-Time-Strategien im Detail beschrieben und verglichen. Der Fokus liegt auf der Optimierung von Produktionsprozessen und der Koordination von Beständen entlang der Supply Chain.
Modelle im Bestandsmanagement: Dieses Kapitel beschreibt verschiedene Modelle im Bestandsmanagement, darunter Make-to-Stock (MTS), Make-to-Order (MTO), Assemble-to-Order (ATO) und das SCOR-Modell. Es vergleicht die Vor- und Nachteile der einzelnen Modelle und erläutert die Bedeutung von Safety Stock. Ein besonderes Augenmerk liegt auf der Modellierung und Lösung von Problemen im Kontext der MTO-Produktion unter Berücksichtigung von Kapazitätsrestriktionen und Auftragsannahmeentscheidungen. Hier werden auch Algorithmen wie VDPSO-MGT und das Newsvendor-Modell detailliert besprochen, einschliesslich des Bullwhip-Effekts.
Big Data: Dieses Kapitel untersucht den Einfluss von Big Data auf das Bestandsmanagement und beschreibt das Service and Manufacturing Supply Chain Management (SM-SCM). Es diskutiert die Herausforderungen, Chancen und Prognosen für die Zukunft des Bestandsmanagements im Kontext von Big Data und deren analytische Möglichkeiten.
Schlüsselwörter
Bestandsmanagement, Supply Chain Management, Digitalisierung, Forecast-Methoden, Regressionsanalyse, Produktionsplanung, Make-to-Stock (MTS), Make-to-Order (MTO), Safety Stock, SCOR-Modell, Big Data, Operations Management, Kapazitätsmanagement, VDPSO-Algorithmus, Newsvendor-Modell, Bullwhip-Effekt.
Häufig gestellte Fragen (FAQ) zu: Innovatives Bestandsmanagement in der Supply Chain
Was ist der Inhalt dieser Bachelorarbeit?
Diese Bachelorarbeit befasst sich mit innovativem Bestandsmanagement in der Supply Chain. Sie analysiert bestehende Konzepte, untersucht den Einfluss der Digitalisierung und zeigt mögliche Zukunftsrichtungen auf. Die Arbeit umfasst verschiedene Methoden und Modelle des Bestandsmanagements, inkl. Forecast-Methoden, Regressionsanalysen, Produktions- und Bestandsmodelle (MTS, MTO), Big Data und eine Case Study.
Welche Themenschwerpunkte werden behandelt?
Die Arbeit behandelt folgende Schwerpunkte: Analyse bestehender Bestandsmanagementkonzepte, Einfluss der Digitalisierung, Bewertung verschiedener Forecast-Methoden (exponentielle Glättung, Regressionsanalyse), Anwendung von Regressionsanalysen im Kontext des Bestandsmanagements und Untersuchung von Produktions- und Bestandsmodellen (MTS, MTO).
Welche Methoden der Materialklassifizierung werden erläutert?
Die Arbeit beschreibt die ABC-Analyse und die XYZ-Analyse als Verfahren der Materialklassifizierung im Bestandsmanagement.
Welche Forecast-Methoden werden untersucht?
Die Arbeit untersucht verschiedene Forecast-Methoden, darunter exponentielle Glättung (1., 2. und 3. Ordnung – Holt-Winters), sowie Korrelationen und Regressionsanalysen (einfache und multiple Regression).
Welche Bestandsmodelle werden verglichen?
Die Arbeit vergleicht verschiedene Bestandsmodelle: Make-to-Stock (MTS), Make-to-Order (MTO) und Assemble-to-Order (ATO). Das Supply Chain Operations Reference-Modell (SCOR-Modell) wird ebenfalls behandelt.
Welche Rolle spielt die Digitalisierung im Bestandsmanagement?
Die Arbeit untersucht den Einfluss der Digitalisierung auf das Bestandsmanagement, inklusive Computer-Systemen, RFID, APIs, digitalen Fertigungsplattformen und dem Einfluss digitaler Startup-Technologien im Operations Management. Der Aspekt des Revenue Managements bei MTO wird ebenfalls beleuchtet.
Wie wird das Bestandscontrolling behandelt?
Das Kapitel zum Bestandscontrolling umfasst Bestandsführung, Bestandsrechnung, Bestandsanalyse, Bestandsanpassungsmaßnahmen und Kennzahlen wie Lagerreichweite, Vorratsintensität, Bestandsstruktur, durchschnittlicher Lagerbestand, durchschnittliche Lagerdauer, Umschlagshäufigkeit und Servicegrad.
Welche Supply Chain Aspekte werden betrachtet?
Die Arbeit analysiert die Produktionsplanung und -steuerung in der Supply Chain, die Beziehungen zwischen Produktionszeit (P-time) und Bedarfszeit (D-Time), sowie Systeme wie MPC und Just-in-Time-Strategien (mit zentralen und dezentralen Bestandsmanagement-Modellen).
Welche Algorithmen und Modelle werden im Detail beschrieben?
Die Arbeit beschreibt detailliert den VDPSO-MGT Algorithmus (inkl. VDPSO Algorithmus) im Kontext des Auftragsannahme- und Terminierungsproblems (OAS) in MTO-Produktion, das Newsvendor-Modell (mit und ohne bestellfixe Kosten – (s,S)-Politik) und den Bullwhip-Effekt.
Wie wird Big Data im Kontext des Bestandsmanagements behandelt?
Die Arbeit untersucht den Einfluss von Big Data auf das Bestandsmanagement und das Service and Manufacturing Supply Chain Management (SM-SCM), einschließlich Herausforderungen, Möglichkeiten und Prognosen.
Enthält die Arbeit eine Case Study?
Ja, die Arbeit enthält eine Case Study, die die Anwendung von Forecast-Methoden, Regressionsanalyse und Safety Stock in der Praxis demonstriert. Die Case Study beinhaltet Schlussfolgerungen zu den angewendeten Methoden und Ausblicke auf weitere Forschungsmöglichkeiten.
Welche Schlüsselwörter beschreiben den Inhalt der Arbeit?
Schlüsselwörter sind: Bestandsmanagement, Supply Chain Management, Digitalisierung, Forecast-Methoden, Regressionsanalyse, Produktionsplanung, Make-to-Stock (MTS), Make-to-Order (MTO), Safety Stock, SCOR-Modell, Big Data, Operations Management, Kapazitätsmanagement, VDPSO-Algorithmus, Newsvendor-Modell, Bullwhip-Effekt.
- Arbeit zitieren
- Daniel Häusle (Autor:in), 2020, Innovatives Bestandsmanagement in der Supply Chain. Analyse bestehender sowie zukünftiger Konzepte, München, GRIN Verlag, https://www.grin.com/document/1026300
