Günther / Mattfeld / Suhl Supply Chain Management und Logistik

Optimierung, Simulation, Decision Support
1. Auflage 2006
ISBN: 978-3-7908-1625-9
Verlag: Physica-Verlag HD
Format: PDF
Kopierschutz: 1 - PDF Watermark

E-Book, Deutsch, 578 Seiten

Reihe: Business and Economics (German Language)

Innerhalb moderner Informations- und Kommunikationssysteme für Supply Chain Management und Logistik stehen heute erstmals große Mengen an digitalen, strukturierten Daten zur Verfügung. Diese bilden eine hervorragende Basis für den Einsatz quantitativer Methoden bei der Entscheidungsunterstützung. Durch State-of-the-Art-Technologien des Operations Research können heute sehr große Praxismodelle optimal gelöst und die Ergebnisse nahtlos in die Informations- und Kommunikationssysteme eines Unternehmens oder einer Lieferkette eingebunden werden. Darüber hinaus ist der Einsatz von Optimierungsverfahren heute nicht nur in der Planungsphase, sondern auch in der Ausführung möglich. Das Buch präsentiert Beispiele zur Nutzung quantitativer Methoden in Supply Chain Management und Logistik aus den Bereichen des Operations Research und der Wirtschaftsinformatik.

Autoren/Hrsg.

Günther, Hans-Otto

Mattfeld, Dirk C.

Suhl, Leena

Inhaltsverzeichnis

1;Vorwort;5
2;Inhaltsverzeichnis;7
3;I. Supply Chain Management und Advanced Planning Systems;11
3.1;Supply Chain Management and Advanced Planning Systems: A Tutorial;12
3.1.1;Abstract;12
3.1.2;1 Introduction;12
3.1.3;2 Supply Chain Management;14
3.1.4;3 Architecture of Advanced Planning Systems (APS);17
3.1.4.1;3.1 Advanced Planning;17
3.1.4.2;3.2 Planning Tasks;18
3.1.4.3;3.3 Master Data;19
3.1.5;4 APS Modules;21
3.1.5.1;4.1 Overview;21
3.1.5.2;4.2 Strategic Network Design;23
3.1.5.3;4.3 Demand Planning;25
3.1.5.4;4.4 Supply Network Planning;28
3.1.5.5;4.5 Production Planning and Detailed Scheduling;34
3.1.5.6;4.6 External Procurement;40
3.1.5.7;4.7 Order Fulfilment and Available/Capable-To-Promise;41
3.1.5.8;4.8 Transportation Planning and Vehicle Scheduling;45
3.1.6;5 Concluding Remarks;46
3.1.7;References;47
3.2;Koordinationsansatz für ausgewählte Module von Advanced Planning and Scheduling-Systemen;50
3.2.1;Abstract;50
3.2.2;1 Einleitung;50
3.2.3;2 Advanced Planning and Scheduling-Systeme;51
3.2.3.1;2.1 Aufgaben ausgewählter Module;51
3.2.3.2;2.2 Interdependenzen zwischen ausgewählten APS-Modulen;53
3.2.4;3 Koordination;54
3.2.4.1;3.1 Allgemeiner Ansatz von Schneeweiß;54
3.2.4.2;3.2 Aggregation von Produktgruppen;56
3.2.4.3;3.3 Koordinationsansatz für ausgewählte Module von APSSystemen;59
3.2.4.3.1;3.3.1 Modellformulierung für Master Planning;61
3.2.4.3.2;3.3.2 Modellformulierung für Production Planning;63
3.2.4.3.3;3.3.3 Modellformulierung für Scheduling;65
3.2.4.3.4;3.3.4 Iterative Koordination;66
3.2.5;4 Zusammenfassung der Ergebnisse;70
3.2.6;Anhang: Beispielrechnung;71
3.2.7;Literatur;76
3.3;Master Planning in Supply Chains;78
3.3.1;Abstract;78
3.3.2;1 Einleitung;78
3.3.3;2 Zentrales Supply Chain Master Planning;80
3.3.3.1;2.1 Ein generisches Modell des zentralen SCMP;81
3.3.3.2;2.2 Ein Beispiel für ein zentrales SCMP;84
3.3.3.3;2.3 Grenzen und Hemmnisse des zentralen SCMP;86
3.3.4;3 Upstream Koordination;88
3.3.5;4 Hybride Koordinationsformen des SCMP;93
3.3.5.1;4.1 Identifizierung und Bewertung von Alternativen;95
3.3.5.2;4.2 Allokation der realisierten Erfolgspotenziale;97
3.3.6;5 Zusammenfassung und Fazit;98
3.3.7;Literatur;99
3.4;LP Modelling and Simulation of Supply Chain Networks;103
3.4.1;Abstract;103
3.4.2;1 Introduction;103
3.4.3;2 The Model;106
3.4.3.1;2.1 General Description;106
3.4.3.2;2.2 Objective Function;108
3.4.3.3;2.3 Constraints;109
3.4.3.3.1;2.3.1 Transportation;109
3.4.3.3.2;2.3.2 Production and Transshipment;110
3.4.3.3.3;2.3.3 Inventory;110
3.4.3.3.4;2.3.4 Inventory Balance and Flow Equations;111
3.4.3.3.5;2.3.5 Nonnegativities;113
3.4.4;3 Implementation and Test Instances;113
3.4.5;4 Interaction between Simulation and Optimization;115
3.4.6;5 Conclusions and Outlook;119
3.4.7;Acknowledgment;120
3.4.8;References;120
3.5;Bewertung unterschiedlicher Beschaffungsstrategien für Risk-Hedging Supply Chains unter Berücksichtigung intermodaler Transportprozesse;122
3.5.1;Abstract;122
3.5.2;1 Einleitung;122
3.5.3;2 Problemformulierung;124
3.5.4;3 Modellbeschreibung;129
3.5.5;4 Beschreibung der Beschaffungsstrategien;131
3.5.5.1;4.1 Beschaffungsstrategien ohne Spekulationslager;133
3.5.5.2;4.2 Beschaffungsstrategien mit Spekulationslager;133
3.5.5.3;4.3 Beschaffungsstrategien mit Binnenschiff und Spekulationslager;134
3.5.5.4;4.4 Analyseergebnisse;136
3.5.6;5 Zusammenfassung und Ausblick;139
3.5.7;Literatur;140
3.6;Coverage of Shelf Life in APS Systems;142
3.6.1;Abstract;142
3.6.2;1 Introduction;142
3.6.3;2 SAP APO;144
3.6.3.1;2.1 System Overview;144
3.6.3.2;2.2 Coverage of Shelf Life;148
3.6.4;3 Oracle;151
3.6.4.1;3.1 System Overview;151
3.6.4.2;3.2 Coverage of Shelf Life;154
3.6.5;4 CSB;155
3.6.5.1;4.1 System Overview;155
3.6.5.2;4.2 Coverage of Shelf Life;157
3.6.6;5 Improvement Potentials;159
3.6.7;6 Conclusion;161
3.6.8;References;161
3.7;Strategische Supply-Chain Entscheidungen in der Stahlindustrie - Eine Fallstudie;164
3.7.1;Abstract;164
3.7.2;1 Einleitung;164
3.7.3;2 Das Prinzip der Kapazitätsverlegung, -erweiterung und -reduzierung;166
3.7.4;3 Problembeschreibung und formales Modell;167
3.7.5;4 Praxisbeispiel Stahlunternehmen;174
3.7.5.1;4.1 Problemstellung;174
3.7.5.2;4.2 Die Datenerhebung;175
3.7.5.3;4.3 Die Prognosen;177
3.7.5.4;4.4 Die Supply-Chain des Stahlunternehmens;178
3.7.5.5;4.5 Ergebnisvorstellung und –analyse;179
3.7.6;5 Zusammenfassung und Ausblick;182
3.7.7;Literatur;183
3.8;Koordination in einer internen Supply Chain zwischen Produktions- und Vertriebsgesellschaften eines international tätigen Süßwarenherstellers;185
3.8.1;Abstract;185
3.8.2;1 Ausgangssituation;186
3.8.2.1;1.1 Unternehmen und Problemstellung;186
3.8.2.2;1.2 Rahmenbedingungen der internen Supply Chain des Konzerns;189
3.8.2.2.1;1.2.1 Branchenspezifische Rahmenbedingungen;189
3.8.2.2.2;1.2.2 Firmenspezifische Rahmenbedingungen;191
3.8.3;2 Planungsaufgaben im Rahmen der internen Supply Chain;193
3.8.4;3 Lösungskonzepte zur Steuerung der internen Supply Chain;195
3.8.4.1;3.1 Reichweitenbetrachtung;195
3.8.4.1.1;3.1.1 Vorüberlegungen;195
3.8.4.1.2;3.1.2 Festlegung von Zielreichweiten;198
3.8.4.1.3;3.1.3 Reichweitenmonitoring;199
3.8.4.2;3.2 Auftragsdeckungsgrad;200
3.8.5;4 Prototypische Realisierung;203
3.8.5.1;4.1 Reichweitenanalyse und Berechnung der Versandmenge;203
3.8.5.2;4.2 Berechnung der Auftragsdeckung;205
3.8.6;5 Zusammenfassung und Fazit;206
3.8.7;Literatur;206
4;II. Produktionslogistik;208
4.1;Abbildungsfehler in zeitdiskreten Optimierungsmodellen – Auftreten und Maßnahmen zu ihrer Behebung;209
4.1.1;Abstract;209
4.1.2;1 Einleitung;209
4.1.3;2 Abbildung von Zeitkontinuität in zeitdiskreten Modellen;212
4.1.4;3 Mangelnde Ressourcenauslastung als Akzeptanzproblem – Problemstellung und ihre Lösung;216
4.1.5;4 Ergebnisse von Rechentests;219
4.1.6;5 Zusammenfassung;224
4.1.7;Literatur;224
4.2;Belegungsplanung einer Make&Pack-Anlage: eine Fallstudie aus der Konsumgüterindustrie;226
4.2.1;Abstract;226
4.2.2;1 Einleitung;226
4.2.3;2 Fallstudie;228
4.2.4;3 Literatur;230
4.2.5;4 Lösungsverfahren;231
4.2.6;5 Experimentelle Performance-Analyse;233
4.2.7;6 Zusammenfassung und Ausblick;235
4.2.8;Literatur;236
4.3;Optimierung der Südzucker Rübenlogistik mittels iterativer linearer Programmierung;237
4.3.1;Abstract;237
4.3.2;1 Einleitung;237
4.3.3;2 Planungsumfeld;239
4.3.3.1;2.1 Planungsprozess;239
4.3.3.2;2.2 Problemstellung;239
4.3.3.2.1;2.2.1 Das Südzucker Vergütungsmodell für Zuckerrüben;240
4.3.3.2.2;2.2.2 Folgen des Vergütungssystems für die Optimierung;242
4.3.4;3 Optimierungsalgorithmus;242
4.3.4.1;3.1 LP-Modell;242
4.3.4.2;3.2 Iterativer Algorithmus;245
4.3.5;4 Technische Implementierung;247
4.3.6;5 Fazit;248
4.3.7;Literatur;248
4.4;Zum Einsatz von Chaku-Chaku-Systemen in der Montage konsumentennaher Erzeugnisse – eine Fallstudie bei Rahmenauftragsfertigung;250
4.4.1;Abstract;250
4.4.2;1 Einleitung;250
4.4.3;2 Montage im Kontext konsumentennaher Rahmenauftragsfertigung;252
4.4.4;3 Das Chaku-Chaku Prinzip als Flexibilisierungs- instrument;255
4.4.4.1;3.1 Begriffsbestimmung und Klassifizierung;255
4.4.4.2;3.2 Betriebsarten und Kundentakt;256
4.4.4.3;3.3 Potenziale und Grenzen;258
4.4.5;4 Ökonomische Analyse der Vorteilhaftigkeit;260
4.4.5.1;4.1 Statische Analyse;261
4.4.5.2;4.2 Dynamische Analyse;264
4.4.6;5 Fallstudie;267
4.4.6.1;5.1 Ausgangslage;267
4.4.6.2;5.2 Vorstellung des Chaku-Chaku-Systems;269
4.4.6.3;5.3 Vergleichende Bewertung;272
4.4.7;6 Schlussbetrachtung;274
4.4.8;Literatur;275
4.5;Product and Raw Material Storage at Omnova Solutions: A Case Study;277
4.5.1;Abstract;277
4.5.2;1 Introduction;277
4.5.3;2 Previous Research;278
4.5.4;3 Model;279
4.5.5;4 Solution Techniques;280
4.5.6;5 Results;285
4.5.7;References;288
4.6;Fallstudie zur Logistikkostenrechnung: Darstellung und vergleichende Analyse verschiedener Verfahren;290
4.6.1;Abstract;290
4.6.2;1 Problemstellung;290
4.6.3;2 Ausgangsdaten der Fallstudie;292
4.6.4;3 Die Verrechnung von Logistikkosten in der klassischen Kostenrechnung;296
4.6.5;4 Die Logistikkostenrechnung nach Weber;299
4.6.6;5 Die Logistikkostenrechnung nach Reichmann;303
4.6.7;6 Die Prozesskostenrechnung als Logistikkostenrechnung;304
4.6.8;7 Interpretation und Vergleich der Ergebnisse;312
4.6.9;8 Schlussfolgerungen;314
4.6.10;Literatur;315
5;III. Logistik und Verkehr;316
5.1;IT-Integration of Terminal Operations Planning;317
5.1.1;Abstract;317
5.1.2;1 Introduction;317
5.1.3;2 Finished Vehicle Transhipment;318
5.1.4;3 Control of Terminal Operations;319
5.1.5;4 Planning Support;322
5.1.6;5 Integration of Planning;323
5.1.7;6 Requirements Definition;324
5.1.8;7 Design Specification;325
5.1.9;8 Implementation Description;329
5.1.10;9 Impact of Automated Planning;331
5.1.11;10 Conclusion;332
5.1.12;References;333
5.2;Das Reparaturspiel als Formalisierung von Planung unter Zufallseinflüssen, angewendet in der Flugplanung;335
5.2.1;Abstract;335
5.2.2;1 Einleitung;336
5.2.2.1;1.1 Robuste Planung;336
5.2.2.2;1.2 Stand der Technik in der Flugplanung;338
5.2.2.3;1.3 Stand der Technik in der Spielbaumsuche;339
5.2.2.4;1.4 Organisation des Beitrags;341
5.2.3;2 Das Reparaturspiel;341
5.2.3.1;2.1 Der neue Ansatz;341
5.2.3.2;2.2 Definition;344
5.2.3.3;2.3 Interpretation und Beispiel für die Flugplanung;345
5.2.4;3 Experimente mit dem Reparaturspiel in der Flugplanung;347
5.2.4.1;3.1 Eine einfache Reparatur-Engine: Der „kurzsichtige MIP“- Löser;347
5.2.4.2;3.2 „T3“: Eine Engine, die das Reparaturspiel spielt;348
5.2.4.2.1;3.2.1 Der vorausschauende Suchalgorithmus;348
5.2.4.2.2;3.2.2 Der Zuggenerator für den MIN-Spieler;349
5.2.4.2.3;3.2.3 Der Zuggenerator für den AVG-Spieler;350
5.2.5;4 Experimentelle Ergebnisse;350
5.2.6;5 Zusammenfassung und Ausblick;354
5.2.7;Literatur;354
5.3;A Decision Support System for Airline Crew Management: Crew Scheduling and Rescheduling;357
5.3.1;Abstract;357
5.3.2;1 Introduction;357
5.3.3;2 Airline Crew Management;358
5.3.3.1;2.1 Crew Scheduling;359
5.3.3.1.1;2.1.1 Sequential Crew Scheduling;360
5.3.3.1.2;2.1.2 Integrated Crew Scheduling;361
5.3.3.1.3;2.1.3 Team-oriented Rostering;362
5.3.3.2;2.2 Operational Rescheduling;362
5.3.4;3 A DSS for Airline Crew Management;363
5.3.4.1;3.1 Requirement Description;364
5.3.4.1.1;3.1.1 Requirements in the Planning Phase;364
5.3.4.1.2;3.1.2 Requirements in the Operational Phase;364
5.3.4.2;3.2 System Architecture and its Components;365
5.3.4.2.1;3.2.1 Users and User Interface;365
5.3.4.2.2;3.2.2 Core Components of the DSS;365
5.3.4.2.3;3.2.3 Input Data;366
5.3.4.3;3.3 DSS Functionality;368
5.3.5;4 Case Study;370
5.3.5.1;4.1 Scenario Description;370
5.3.5.2;4.2 Decision Support Tools;371
5.3.5.2.1;4.2.1 Configuration;371
5.3.5.2.2;4.2.2 Evaluation;373
5.3.5.2.3;4.2.3 Visualization;374
5.3.6;5 Conclusion;375
5.3.7;References;376
5.4;Die Auswirkungen von Verspätungen in Verkehrsnetzen – Ansätze einer Analyse auf der Grundlage der Max-Plus Algebra;377
5.4.1;Abstract;377
5.4.2;1 Einleitung;377
5.4.3;2 Grundlagen;380
5.4.3.1;2.1 Die Struktur des Dioids;380
5.4.3.2;2.2 Eigenwert und Eigenvektoren;384
5.4.4;3 Die Darstellung eines Liniensystems in IR max;386
5.4.5;4 Darstellung und Analyse der Verspätung;389
5.4.5.1;4.1 Untersuchung der Stabilität;389
5.4.5.2;4.2 Die Entwicklung von Verspätungen;391
5.4.5.3;4.3 Anwendungsbeispiele der Max-Plus Algebra in der Verkehrsplanung;395
5.4.6;5 Zusammenfassung;395
5.4.7;Literatur;396
5.5;Heuristische Lösungsverfahren für das Probabilistic Traveling Salesman Problem;398
5.5.1;Abstract;398
5.5.2;1 Einordnung und Motivation;398
5.5.3;2 Definition des PTSP;402
5.5.4;3 Modifizierte Lösungsverfahren;406
5.5.5;4 Simulationsstudie;408
5.5.6;5 Zusammenfassung;413
5.5.7;Literatur;414
5.6;Ein Planungstool zur Schulzeitstaffelung;416
5.6.1;Abstract;416
5.6.2;1 Ein Problem aus der ÖPNV-Praxis;416
5.6.2.1;1.1 Optimierungskonzept;417
5.6.2.2;1.2 Innovatives Consulting;418
5.6.2.3;1.3 Projektablauf;419
5.6.2.4;1.4 Praxiserfahrungen;419
5.6.3;2 Auf dem Weg zu einem Planungstool;420
5.6.3.1;2.1 Literatur;421
5.6.3.2;2.2 Rechtliche Grundlagen;421
5.6.3.3;2.3 Anforderungen an ein Planungstool;422
5.6.4;3 Modellbildung;422
5.6.5;4 Lösungsalgorithmen;425
5.6.5.1;4.1 Verschärfung der Schranken;425
5.6.5.2;4.2 Eine parametrische Greedy-Heuristik;427
5.6.5.3;4.3 Lokale Suche mit Improving Hit-and-Run;429
5.6.6;5 Das Planungstool im Praxiseinsatz;430
5.6.7;Literatur;433
6;IV. Decision Support und OR-Methoden;434
6.1;Entwicklung eines interaktiven Scheduling- Support-Systems für verfahrenstechnische Prozesse;435
6.1.1;Abstract;435
6.1.2;1 Einleitung;436
6.1.3;2 Interaktives Scheduling-Support-System;438
6.1.4;3 Repräsentationsschema verfahrenstechnischer Prozesse;441
6.1.5;3.1 Aufgaben des Repräsentationsschemas;441
6.1.6;3.2 Anlagen-Prozess-Modul des iDSS;443
6.1.7;4 Generische Optimierungsmodelle;446
6.1.8;4.1 MILP-Modellierung;446
6.1.9;4.2 Planungsmodul des iDSS;448
6.1.10;5 Visualisierung;450
6.1.11;6 Ausblick;453
6.1.12;Literatur;454
6.2;Optimierung von Warteschlangensystemen in Call Centern auf Basis von Kennzahlenapproximation;456
6.2.1;Abstract;456
6.2.2;1 Einleitung;457
6.2.3;2 Beispiel Call Center;459
6.2.3.1;2.1 Call-Center-Marktentwicklung;459
6.2.3.2;2.2 Steigender Kostendruck in Call Centern;460
6.2.4;3 Warteschlangentheorie anhand eines Inbound-Call- Centers;461
6.2.4.1;3.1 Warteschlangensysteme;461
6.2.4.2;3.2 Das M/M/c-System und ein Inbound-Call-Center;463
6.2.5;4 Neuronale Netze;464
6.2.5.1;4.1 Neurosimulator FAUN;464
6.2.5.2;4.2 Überwachtes Lernen;466
6.2.6;5 Simulation von Warteschlangenmodellen;466
6.2.6.1;5.1 Simulation des Inbound-Call-Centers;467
6.2.6.2;5.2 Genauigkeit stochastischer Simulationen;469
6.2.7;6 Approximation von Kennzahlen für Warteschlangensysteme;472
6.2.7.1;6.1 Approximation mit FAUN 1.0;473
6.2.7.2;6.2 Qualität der Approximation;474
6.2.7.3;6.3 Auswertung des Inbound-Call-Centers;476
6.2.8;7 Fazit und Ausblick;477
6.2.9;Literatur;479
6.3;Das kapazitierte Standortproblem: Branch-and- Price und die Wahl der Verzweigungsvariable;480
6.3.1;Abstract;480
6.3.2;1 Einleitung;481
6.3.3;2 Problemformulierung und Problemreformulierung;483
6.3.4;3 Lösungsansatz;485
6.3.4.1;3.1 Spaltengenerierung;486
6.3.4.2;3.2 Branch-and-Price-Verfahren;490
6.3.4.3;3.3 Alternative Regeln zur Wahl der Verzweigungsvariablen;492
6.3.5;4 Numerische Experimente;495
6.3.6;5 Schlussfolgerungen;498
6.3.7;Literatur;499
6.4;Lagrange-Ansätze zur Lösung des Transportproblems mit Fixkosten;502
6.4.1;Abstract;502
6.4.2;1 Einleitung;502
6.4.3;2 Literaturüberblick;504
6.4.4;3 Lagrange-Relaxationen und Lagrange- Dekompositionen;507
6.4.4.1;3.1 Lagrange-Relaxationen;507
6.4.4.1.1;3.1.1 Lagrange-Relaxation der Angebots- oder Nachfragerestriktionen;507
6.4.4.1.2;3.1.2 Lagrange-Relaxation der variablen oberen Schranken;508
6.4.4.1.3;3.1.3 Lagrange-Relaxation der Angebots- und Nachfragerestriktionen;510
6.4.4.2;3.2 Lagrange-Dekompositionen;512
6.4.5;4 Eine Lagrange-Heuristik für das Fixkosten-Transportproblem;517
6.4.6;5 Numerische Experimente;520
6.4.7;6 Schlussfolgerungen;522
6.4.8;Literatur;523
6.5;Solving Complex QAP-Instances by a PC-LAN;526
6.5.1;Abstract;526
6.5.2;1 The Quadratic Assignment Problem;527
6.5.2.1;1.1 Problem Statement;527
6.5.2.2;1.2 Possible Applications of the QAP;528
6.5.2.3;1.3 Problem Complexity;529
6.5.3;2 Literature Review;530
6.5.4;3 The New Distributed Highest-Ascent-Mildest-Descent- Approach (D-HAMD-Approach);533
6.5.4.1;3.1 Neighborhood Search of the Proposed HAMD-Approach;534
6.5.4.2;3.2 The Distributed Approach (D-HAMD);535
6.5.5;4 Computational Results;540
6.5.5.1;4.1 Comparison Between TB2 and the Sequential HAMDVersion;541
6.5.5.2;4.2 D-HAMD – The Impact of Using Distributed Systems;542
6.5.6;5 Conclusions and Future Work;544
6.5.7;References;546
6.6;Optimization of Process Chain Models with Response Surface Methodology and the ProC/B Toolset;548
6.6.1;Abstract;548
6.6.2;1 Introduction;548
6.6.3;2 Modeling Process Chains with the ProC/B Toolset;550
6.6.3.1;2.1 Description of the ProC/B Paradigm;551
6.6.3.2;2.2 The ProC/B Toolset;553
6.6.4;3 Model Optimization with Response Surface Methodology;554
6.6.4.1;3.1 Approximating the Response Surface Function by Regression Models;556
6.6.4.2;3.2 Testing the Regression Model for Adequate Approximation;558
6.6.4.3;3.3 Predicting Factor Values of Improved Response;560
6.6.4.4;3.4 Implementation Issues;561
6.6.5;4 Application Examples;564
6.6.5.1;4.1 Optimization of a Tandem Queueing System;564
6.6.5.2;4.2 Optimization of a Cargo Transfer Station;567
6.6.6;5 Conclusions;569
6.6.7;References;570

Leseproben

Bewertung unterschiedlicher Beschaffungsstrategien für Risk-Hedging Supply Chains unter Berücksichtigung intermodaler Transportprozesse (S. 115-116)

Gerald Reiner, Werner Jammernegg
Abteilung für Produktionsmanagement,
Wirtschaftsuniversität Wien,
Norbergstraße 15,
1090 Wien

Abstract

In der vorliegenden Arbeit wird anhand einer realen Supply Chain der chemischen Industrie ein Vorgangsmodell für die Leistungsbewertung von Risk-Hedging Supply Chains (hohes Beschaffungsrisiko, geringes Nachfragerisiko) in einem dynamischen Umfeld vorgestellt. Insbesondere werden so genannte Portfolio-Beschaffungsstrategien entwickelt, die sich aus kurz- und langfristigen Verträgen zusammensetzen. Weitere analysierte Beschaffungsstrategien berücksichtigen Spekulationslager und die Auswirkungen unterschiedlicher Transportmittel (intermodaler Transport) zur Absicherung gegenüber der Volatilität des Rohmaterialpreises. Die Simulationsergebnisse zeigen, dass die gesamten Beschaffungskosten durch die alternativen Beschaffungsstrategien und Transportmittel durchschnittlich um bis zu 12% im Vergleich zu einer „reinen" Beschaffungsstrategie, ohne die Nutzung eines Spekulationslager und ohne den Einsatz eines alternativen (langsameren) Transportmittels mit höherer Ladekapazität, gesenkt werden können. Abschließend werden Handlungsrichtlinien für das Supply Chain Management für die Auswahl einer effizienten Beschaffungsstrategie und eines passenden Transportmittels vorgestellt.

1 Einleitung

In der Unternehmenspraxis ist vielfach die Meinung zu finden, dass eine langfristige Partnerschaft zwischen Lieferanten und Kunden im Businessto- Business Bereich einer kurzfristigen Geschäftsbeziehung bzgl. Kostenreduktion überlegen ist. In der wissenschaftlichen Literatur wird jedoch aufgrund von charakteristischen Eigenschaften der Supply Chain Prozesse eine genauere Differenzierung vorgenommen. Langfristige Partnerschaften sind beispielsweise dann vorteilhaft, wenn dadurch geringere Beschaffungspreise und eine verbesserte Lieferperformance realisiert werden kann (vgl. Elmaghraby 2000). Im Gegensatz dazu ermöglicht eine kurzfristige Beschaffung am Markt sowohl eine Nutzung von Spekulationsvorteilen als auch die Flexibilität zu alternativen Lieferanten zu wechseln, da die fixen Investitionskosten bei dieser Art der Geschäftsbeziehung normalerweise gering sind (vgl. Cohen u. Agrawal 1999). Cohen u. Agrawal (1999) verwenden dabei den Minimum-Varianz Ansatz von Markowitz zur Ermittlung eines optimalen Portfolios aufgrund von kurz- und langfristigen Beschaffungsverträgen. Die Indikatoren, die für die Auswahl des Typs der Geschäftsbeziehung entscheidend sind, sollten unter Berücksichtigung der Ziele Qualität, Lieferservice, Flexibilität und Kosten bewertet werden. Eine engere langfristige Partnerschaft sollte von den Kunden angestrebt werden, wenn die Zukaufteile von strategischer Bedeutung sind, nur wenige Lieferanten vorhanden sind, komplexe Schnittstellen zwischen der beschafften Komponente und dem Endprodukt (z.B. Anforderungen an die Softwareentwicklung) bestehen sowie bei hohen Nachfrage- und/oder Lieferunsicherheiten (vgl. Pyke u. Johnson 2003). Insbesondere in der taktischen Planung hat die Berücksichtigung einer stochastischen Nachfrage und von Preisfluktuation große Auswirkungen auf die Leistungsfähigkeit der Supply Chain Prozesse (vgl. Van Landeghem u. Vanmaele 2002).

In der vorliegenden Arbeit wird ein Vorgangsmodell für die Leistungsbewertung von Risk-Hedging Supply Chains in einem dynamischen Umfeld entwickelt. Insbesondere werden dabei auch kurz- und langfristige Verträge zu so genannten Portfolio-Beschaffungsstrategien verknüpft. Eine weitere Alternative ist die Absicherung gegen Beschaffungspreisschwankungen durch Spekulationslager und der Einsatz alternativer Transportmittel (intermodaler Transport). Basierend auf den Beschaffungs-, Transport- und Lagerhaltungskosten wird die Leistungsfähigkeit der alternativen Strategien und Transportprozesse mittels einer dynamischen Prozesssimulation analysiert und bewertet. Aufgrund der Ergebnisse ist es möglich, Handlungsrichtlinien für das Management zur Auswahl einer effizienten Beschaffungsstrategie und eines passenden Transportmittels zu entwickeln.