Supply Chain Management Sicherheit durch Lagerhaltung Minimierung der Bestände Maximierung des Servicelevels Transparenz i...
Lagerhaltung muss verschiedene Aspekte berücksichtigen <ul><li>Distributionssystem  bestehend mehreren Stufen (Beergame) <...
Warum Bestände? <ul><li>Wie lange sind Sie bereit auf ein Produkt zu warten? </li></ul><ul><ul><li>Bier </li></ul></ul><ul...
Reaktionszeit, Order Cycle Time und Lieferzeit Händler Zulieferer Kunde Bedarf vereinbarte Reaktionszeit: lt v Bearbeitung...
Bestände entkoppeln Produktions- und Distributionsprozess Erwartete (tolerierte) Lieferzeit:  2d Bestände, Kapazitäten und...
Die Nachfrage determiniert die Lagerhaltungspolitik <ul><li>Wann soll wieviel bestellt/produziert werden? </li></ul><ul><l...
<ul><li>Losgrößenmodell nach Harris (1913), Ingenieur bei Ford : </li></ul><ul><li>„ How many parts to make at once“  </li...
<ul><li>Annahmen: </li></ul><ul><li>Bedarf ist konstant pro Periode und bekannt </li></ul><ul><li>Kosten sind konstant (ke...
Die optimale Losgröße wird aus den (bestell-) fixen und variablen (Lagerhaltungs-) Kosten ermittelt
Die Gesamtkosten sind relativ insensitiv gegen Q Bei der optimalen Bestellmenge Q sind die Kosten für Lagerhaltung  und Rü...
Q ist stark sensitiv gegen die bestellfixen Kosten Prozesskosten pro Bestellung: Früher bis zu 120.- DM Einsparpotenziale ...
Q ist stark sensitiv gegen die variablen Kosten Reduktion Lagerhaltungskosten durch Outsourcing, etc. 1,41
<ul><li>Sensitivität  bestellfixe Kosten </li></ul><ul><li>Reduktion K um 80% - Reduktion EOQ auf 44% </li></ul><ul><li>St...
Bestände sichern die Lieferfähigkeit <ul><li>Unterscheidung in </li></ul><ul><li>Lost Sales : Kunde kauft    Konkurrenzpro...
<ul><li>Stochastische Nachfrage wird durch eine Zufallsvariable beschrieben </li></ul><ul><ul><li>Mittelwert  </li></ul></...
Im Falle Reaktionszeit lt = 1 (deterministisch) ist die Berechnung des notwendigen Lagerbestandes einfach 95% 99% Vorzuhal...
Im Falle von (stochastischen) Reaktionszeiten > 1 wird die Berechnung komplizierter + + =  ? Faltungsoperator zur Addition...
Beispiel: Bestandsverlauf, konstante Reaktionszeit Zeit Menge S s Bestellung Eintreffen leadtime Bedarf d
Beispiel: Bestandsverlauf, stochastische Reaktionszeit Zeit Menge S s Bestellung Eintreffen lt 1 lt 2 lt 3 lt 1  > lt 2  >...
<ul><li>(s,q) - Politik </li></ul>Bestellpunktverfahren (s,S) - Politik Technisch vorgegebene Transportlosgrößen Optimales...
<ul><li>(t,q) - Politik </li></ul>Zyklische Bestellverfahren (t,S) - Politik Bei vorgegebenen Touren und vorgegebener  Tra...
<ul><li>(t,s,q) - Politik </li></ul>Zyklische Bestellverfahren, II (t,s,S) - Politik Fixe Bestellmengen Variable Bestellme...
Es ergeben sich je nach Anwendungsfall unterschiedliche Lagerhaltungsstrategien Bestelltermine Bestellmenge / Losgröße Mel...
Grund für den Bullwhip-Effekt: Lokale Planung,  Beispiel: Nutzen von Prognosen in Lagerhaltung <ul><li>Jede Stufe prognost...
Eine hysterische Bestellpolitik – kurzer Vorgriff  20 20 10 10 20 10 FC t,t+n = 0,2 * d t  + 0,8 * FC t-1,t-1+n q t  = TI ...
Zusammenfassung Lagerhaltung <ul><li>Verfahren? </li></ul><ul><li>Einsatzfelder? </li></ul><ul><li>Nutzen? </li></ul>
Supply Chain Management Datenanalyse Welche Produkte mit welchen Verfahren planen?
Der Bedarfsverlauf eines Produktes determiniert die Prognostizierbarkeit X - Stabiler Bedarf, einfache Prognose Y - Bedarf...
<ul><li>Analyse der  historischen Zeitreihen , um in XYZ S zu klassifizieren </li></ul><ul><li>Kennzahlen: </li></ul><ul><...
<ul><li>Festlegen der Grenzen XYZ mit Hilfe des Variationskoeffizienten v(d) </li></ul>Der Variationskoeffizient bestimmt ...
<ul><li>Pareto-Prinzip : Nur  20  Prozent der Produkte machen  80  Prozent des Umsatzes/Gewinnes aus. </li></ul><ul><li>Ei...
<ul><li>Monetäre Größen: </li></ul><ul><ul><li>Wert , Wertschöpfung im Unternehmen </li></ul></ul><ul><ul><li>Lagerhaltung...
Das Design der SC richtet sich nach der  ABC-XYZ-Klassifikation Auf welche Produkte würden Sie  sich konzentrieren? X Z Y ...
<ul><li>Lagerhaltung möglichst vermeiden </li></ul><ul><li>Rechner unterstützt, aber manuelles Planen und Überwachen ist n...
<ul><li>Geringer Wert - Problem bei Engpass </li></ul><ul><li>Einfache Bestandsüberwachung, d.h. Lagerhaltungsstrategie (s...
Zusammenfassung: Datenanalyse
Übung Lagerhaltung <ul><li>In Excel Lagerhaltungspolitik nachstellen </li></ul><ul><li>Bedarf ist stochastisch, Reaktionsz...
Lagerbilanzgleichung <ul><li>= </li></ul><ul><li>+ </li></ul><ul><li>- </li></ul><ul><li>+ </li></ul>Noch zu bedienender R...
Analysefunktionen von Excel Analyse funktionen Solver Wenn noch nicht installiert
 
 
 
Erkenntnisse aus der Übung <ul><li>Aufgabe 1: (t,Q) funktioniert so nicht </li></ul><ul><li>Aufgabe 2: Falsche Verteilungs...
Nächste SlideShare
Wird geladen in …5
×

03 inventory control

2.888 Aufrufe

Veröffentlicht am

Veröffentlicht in: Bildung
0 Kommentare
0 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
2.888
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
4
Aktionen
Geteilt
0
Downloads
26
Kommentare
0
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie
  • Klar herausstellen, was bestellt wird und wann es ankommt. Theoretische Hintergünde (kontinuierliche Überwachung) und praktische Realisierung darstellen.
  • Knut : In der Realität sind eigentlich keine kontinuierlichen Bestellpolitiken möglich, d.h. hier wird bereits auf Tagesebene aggregiert. Beispiel: Durchlagerung in Lagerverwaltungssystemen, Eilaufträge, die direkt bearbeitet werden.
  • Prognose besser erläutern. Für welche Periode ist die Prognose.
  • Kappa Beispiel anführen – Geringer Wert der Produkte, somit als C-Produkt klassifiziert, aber hohes Volumen – spricht für Klassifikation als A-Produkt. Also höherer Bestand als A-Produkte, aber möglichst wenig.
  • 03 inventory control

    1. 1. Supply Chain Management Sicherheit durch Lagerhaltung Minimierung der Bestände Maximierung des Servicelevels Transparenz in der Planung
    2. 2. Lagerhaltung muss verschiedene Aspekte berücksichtigen <ul><li>Distributionssystem bestehend mehreren Stufen (Beergame) </li></ul><ul><li>Frage : Wann wird wieviel bestellt?  Wie in der Übung? </li></ul><ul><li>Ziel : Minimaler Bestand bei maximalen Servicegrad (keine stockouts, keine lost-sales) </li></ul><ul><li>Lagerhaltung zur Sicherung Servicelevel: </li></ul><ul><ul><li>Periodische/kontinuierliche Überwachung - Wann wird bestellt? </li></ul></ul><ul><ul><li>Fixe/variable Bestellmengen - Wieviel wird bestellt? </li></ul></ul><ul><ul><li>Bestimmung Sicherheitsbestand für max. Servicelevel (abhängig von der Varianz der Bestellungen) </li></ul></ul><ul><ul><li>Einführung EOQ-Modell und Sensitivitätsbetrachtung </li></ul></ul>
    3. 3. Warum Bestände? <ul><li>Wie lange sind Sie bereit auf ein Produkt zu warten? </li></ul><ul><ul><li>Bier </li></ul></ul><ul><ul><li>Jeans </li></ul></ul><ul><ul><li>Laptop </li></ul></ul><ul><ul><li>Auto </li></ul></ul><ul><li>Wie ist der Produktionsprozess des Herstellers – kann auf Kundenwunsch direkt produziert werden? </li></ul><ul><li>Welche Zeiten sind bei der Erfüllung eines Auftrages zu berücksichtigen? </li></ul>
    4. 4. Reaktionszeit, Order Cycle Time und Lieferzeit Händler Zulieferer Kunde Bedarf vereinbarte Reaktionszeit: lt v Bearbeitungs-zeit: t b Bearbeitungs-zeit: t b Lieferzeit: t l Auftragsbearbeitungszeit (Order Cycle Time – OCT) Reaktionszeit lt = OCT - lt v lt v Reaktionszeit : Zeit, für die man sich absichern muss. Garantiert z. B. der eigene Zulieferer eine OCT von 6 Tagen und ist dem Kunden eine Reaktionszeit von 2 Tagen zugesichert worden, so muss die Differenz von vier Tagen (z.B. über Bestände) abgesichert werden. Beergame : Wie lange mussten Sie auf die Bestellung warten?
    5. 5. Bestände entkoppeln Produktions- und Distributionsprozess Erwartete (tolerierte) Lieferzeit: 2d Bestände, Kapazitäten und Wartezeiten entkoppeln die Prozesse: PROD CUSTOMER 10d PROD DISTR 10d CUSTOMER 1d Zeitliche Entkopplung Entkopplung der Mengen
    6. 6. Die Nachfrage determiniert die Lagerhaltungspolitik <ul><li>Wann soll wieviel bestellt/produziert werden? </li></ul><ul><li>Unterscheidung nach Bedarf: </li></ul><ul><ul><li>Deterministisch : EOQ, Silver-Meal, Heuristik von Groff, Wagner-Whitin, etc. </li></ul></ul><ul><ul><li>Stochastisch : Lagerhaltungs-strategien </li></ul></ul><ul><ul><li>Literatur : Silver/Petersen </li></ul></ul>
    7. 7. <ul><li>Losgrößenmodell nach Harris (1913), Ingenieur bei Ford : </li></ul><ul><li>„ How many parts to make at once“ </li></ul><ul><li>Später auch bezeichnet als Losgröße nach Andler oder als das klassische Losgrößenmodell </li></ul><ul><li>Frage : Welche Menge eines Produktes soll produziert werden? </li></ul><ul><li>Trade-off zwischen Kosten für Lagerhaltung und Kosten für Rüsten/Bestellen </li></ul><ul><li>Extreme: Losgröße = 1 <-> Losgröße = Gesamtbedarf </li></ul>Das Losgrößenmodell nach Harris bestimmt die „Economic Order Quantity (EOQ)“ (I)
    8. 8. <ul><li>Annahmen: </li></ul><ul><li>Bedarf ist konstant pro Periode und bekannt </li></ul><ul><li>Kosten sind konstant (keine Rabatte etc.) </li></ul><ul><li>Die Lieferung erfolgt sofort (Lieferzeit = 0) </li></ul><ul><li>Fehlmengen sind nicht zugelassen </li></ul><ul><li>Relevante Daten: </li></ul><ul><li>K - Kosten für Bestellung/Rüsten </li></ul><ul><li>h - Lagerhaltungskosten (pro Stück/Periode) </li></ul><ul><li>Q - Bestell/Produktionsmenge </li></ul><ul><li>T - Bestellzyklus </li></ul><ul><li>d - (konstante) Nachfrage </li></ul>Das Losgrößenmodell nach Harris bestimmt die „Economic Order Quantity (EOQ)“ (II)
    9. 9. Die optimale Losgröße wird aus den (bestell-) fixen und variablen (Lagerhaltungs-) Kosten ermittelt
    10. 10. Die Gesamtkosten sind relativ insensitiv gegen Q Bei der optimalen Bestellmenge Q sind die Kosten für Lagerhaltung und Rüsten/Bestellen gleich: Gesamtkosten sind (relativ) insensitiv gegen Q: Lager- haltung (variabel) Rüsten/ Bestellen (fix)
    11. 11. Q ist stark sensitiv gegen die bestellfixen Kosten Prozesskosten pro Bestellung: Früher bis zu 120.- DM Einsparpotenziale in Höhe von bis zu 80% höhere Bestellkosten 0,44 0,2
    12. 12. Q ist stark sensitiv gegen die variablen Kosten Reduktion Lagerhaltungskosten durch Outsourcing, etc. 1,41
    13. 13. <ul><li>Sensitivität bestellfixe Kosten </li></ul><ul><li>Reduktion K um 80% - Reduktion EOQ auf 44% </li></ul><ul><li>Steigerung der Anlieferfrequenz um 100% </li></ul><ul><li>Sensitivität Lagerhaltungskosten </li></ul><ul><li>Reduktion von h auf 50% - Mehrbestellung von 41% </li></ul><ul><li>Auswirkungen auf die benötigte Stellplatzkapazität </li></ul><ul><li>Achtung bei automatischer Anwendung von EOQ-Modellen! </li></ul>Die Auswirkungen der Änderung der Bestellmenge EOQ müssen berücksichtigt werden
    14. 14. Bestände sichern die Lieferfähigkeit <ul><li>Unterscheidung in </li></ul><ul><li>Lost Sales : Kunde kauft Konkurrenzprodukt. </li></ul><ul><li>Backlog (Backorder): Nachfrage wird später befriedigt. </li></ul><ul><li>Maße für Kundenzufriedenheit : </li></ul><ul><li>Gesamtkosten : Kosten für Backlog + lost sales sind schwer quantifizierbar. </li></ul><ul><li>Lieferfähigkeit : hier als Maß verwendet. </li></ul>Knut Alicke: Nach Abschätzung Backlog und lost sales fragen  Wie Daten zur Abschätzung beschaffen?
    15. 15. <ul><li>Stochastische Nachfrage wird durch eine Zufallsvariable beschrieben </li></ul><ul><ul><li>Mittelwert </li></ul></ul><ul><ul><li>Standardabweichung </li></ul></ul><ul><li>Lieferzeit ist konstant </li></ul><ul><li>Erzeugen der Verteilung der Nachfrage </li></ul><ul><li>Bei Lieferzeit = 1 Tag Ableiten des benötigten Bestandes </li></ul><ul><li>Hier genutzt : </li></ul><ul><li> - Servicelevel: Anzahl der lieferfähigen Perioden </li></ul><ul><li>Nicht verwendet: </li></ul><ul><li> - Servicelevel:  gewichtet mit der Menge </li></ul><ul><li>Frage : Wann welchen Servicelevel nutzen? </li></ul>Die Bestände werden anhand mehrerer Parameter bestimmt Knut Alicke: Beispiel für alpha und beta-SL geben
    16. 16. Im Falle Reaktionszeit lt = 1 (deterministisch) ist die Berechnung des notwendigen Lagerbestandes einfach 95% 99% Vorzuhaltender Bestand, um bei 99% aller möglichen Bestellungen lieferfähig zu sein F(d) Einseitiges Konfidenzintervall =NORMSINV(0.9) in Excel Knut Alicke: An der Tafel ausführlicher herleiten Hier auch nochmal auf Unterschied alpha und beta eingehen. Bedarf d F(d) Bedarf Standardabweichung Sicherheitsfaktor
    17. 17. Im Falle von (stochastischen) Reaktionszeiten > 1 wird die Berechnung komplizierter + + = ? Faltungsoperator zur Addition von normalverteilten Zufallsvariablen X 1 , X 2 : E(X 1 +X 2 ) = E(X 1 )+E(X 2 ) VAR(X 1 +X 2 ) = VAR(X 1 )+VAR(X 2 ) Bedarf stochastisch: Reaktionszeit u. Bedarf sind stochastisch:
    18. 18. Beispiel: Bestandsverlauf, konstante Reaktionszeit Zeit Menge S s Bestellung Eintreffen leadtime Bedarf d
    19. 19. Beispiel: Bestandsverlauf, stochastische Reaktionszeit Zeit Menge S s Bestellung Eintreffen lt 1 lt 2 lt 3 lt 1 > lt 2 > lt 3 Bedarf d Lieferzeit lt 1 lt 2 lt 3
    20. 20. <ul><li>(s,q) - Politik </li></ul>Bestellpunktverfahren (s,S) - Politik Technisch vorgegebene Transportlosgrößen Optimales Ausnutzen von teurem Lagerraum I Zeit s q 0 q 2 q 1 t 0 t 1 t 2 S I Zeit s q q q t 0 t 1 t 2
    21. 21. <ul><li>(t,q) - Politik </li></ul>Zyklische Bestellverfahren (t,S) - Politik Bei vorgegebenen Touren und vorgegebener Transportlosgröße Für Produkte mit hoher Umschlagshäufigkeit I Zeit q q q t t t I Zeit q 0 q 2 q 1 t t t S
    22. 22. <ul><li>(t,s,q) - Politik </li></ul>Zyklische Bestellverfahren, II (t,s,S) - Politik Fixe Bestellmengen Variable Bestellmengen I Zeit q q t t t s I Zeit q 1 q 2 t t t s S q 3
    23. 23. Es ergeben sich je nach Anwendungsfall unterschiedliche Lagerhaltungsstrategien Bestelltermine Bestellmenge / Losgröße Meldebestand Politik / Regel / Verfahren fix (t) var. var. (S) (s) fix (q)                 (t,q)-Politik (Bestellrhythmus-optimale Bestellmenge-Politik) (t,S)-Politik (Bestellrhythmus-Lagerniveau-Politik) (t,q,s)-Politik (Bestellrhythmus-Bestellpunkt-optimale Bestellmenge-Politik) (t,s,S)-Politik (Bestellrhythmus-Bestellpunkt-Lagerniveau-Politik) (s,q)-Politik (Bestellpunkt-optimale Bestellmenge-Politik) (s,S)-Politik (Bestellpunkt-Lagerniveau-Politik)
    24. 24. Grund für den Bullwhip-Effekt: Lokale Planung, Beispiel: Nutzen von Prognosen in Lagerhaltung <ul><li>Jede Stufe prognostiziert den Bedarf, basierend auf historischen Zeitreihen (Bestellungen) der nächsten Stufe </li></ul><ul><li>Prognosen werden mit verfügbarem Bestand und Ziel-Sicherheitsbestand verrechnet </li></ul><ul><li>Beispiel (qualitativ): </li></ul><ul><ul><li>Kundenbedarf sinkt von d auf 90% d </li></ul></ul><ul><ul><li>Händler erfüllt Bedarf, hat zu großen Sicherheitsbestand, bestellt zum Ausgleichen nur noch 80% d </li></ul></ul><ul><ul><li>Distributor antizipiert Rückgang auf 80%, erfüllt aus Bestand und bestellt zum Ausgleichen nur noch 60% d </li></ul></ul><ul><ul><li>Unternehmen antizipiert Rückgang auf 60%, erfüllt aus Bestand und produziert nur noch 30% </li></ul></ul><ul><li>Aufschaukeln der Reduktion </li></ul>
    25. 25. Eine hysterische Bestellpolitik – kurzer Vorgriff 20 20 10 10 20 10 FC t,t+n = 0,2 * d t + 0,8 * FC t-1,t-1+n q t = TI t + 3 * FC t,t+n – Pipe t – Inv t TI t = 2 * FC t,t+n Prognose Sicherheitsbestand Bestellmenge 15 20 20 11 22 15 10 10 20 10 20 20 Achtung bei rückgekoppelten Systemen! t-2 heute t+1 t-1 t-3 q TI FC Pipe Inv d 20 20 10 10 20 10 20 20 10 10 20 10
    26. 26. Zusammenfassung Lagerhaltung <ul><li>Verfahren? </li></ul><ul><li>Einsatzfelder? </li></ul><ul><li>Nutzen? </li></ul>
    27. 27. Supply Chain Management Datenanalyse Welche Produkte mit welchen Verfahren planen?
    28. 28. Der Bedarfsverlauf eines Produktes determiniert die Prognostizierbarkeit X - Stabiler Bedarf, einfache Prognose Y - Bedarf weist Trends/Saison auf Z - Sehr schwer prognostizierbar S - Ersatzteilgeschäft, seltene Bestellungen Beispiele geben
    29. 29. <ul><li>Analyse der historischen Zeitreihen , um in XYZ S zu klassifizieren </li></ul><ul><li>Kennzahlen: </li></ul><ul><ul><li>Mittelwert E(X) , Standardabweichung STD(X) </li></ul></ul><ul><ul><li>Variationskoeffizient: </li></ul></ul><ul><ul><li>bzw. Variabilität: </li></ul></ul><ul><ul><li>Wahrscheinlichkeit einer Bestellung: h = n(x>0)/N </li></ul></ul><ul><ul><li>Filtern der Nullwerte: E h (X), STD h (X), v h (X) </li></ul></ul><ul><ul><li>Periodische Bestellungen: v(X) ist hoch, daher Bestimmung der Verteilung der Zwischenankunftszeiten der Bestellungen </li></ul></ul>Der Bedarfsverlauf läßt sich durch drei Kennzahlen beschreiben
    30. 30. <ul><li>Festlegen der Grenzen XYZ mit Hilfe des Variationskoeffizienten v(d) </li></ul>Der Variationskoeffizient bestimmt die XYZS-Klassifizierung Klasse Bereich X 0 < v(d) <=0,2 Y 0,2 < v(d) <= 0,5 Z 0,5 < v(d)
    31. 31. <ul><li>Pareto-Prinzip : Nur 20 Prozent der Produkte machen 80 Prozent des Umsatzes/Gewinnes aus. </li></ul><ul><li>Einteilung in 3 Klassen: ABC - Lorenzkurve </li></ul>Produktprogramme folgen oft dem Pareto-Prinzip $$$ $$ $ 50 20 10 [%] [Artikel] 95 100 80 50 C B A AA
    32. 32. <ul><li>Monetäre Größen: </li></ul><ul><ul><li>Wert , Wertschöpfung im Unternehmen </li></ul></ul><ul><ul><li>Lagerhaltungskosten, Bestellkosten </li></ul></ul><ul><ul><li>Anteil am Umsatz/Gewinn </li></ul></ul><ul><li>Produkteigenschaften: </li></ul><ul><ul><li>Gewicht, Größe, Volumen, Gefahrenklasse </li></ul></ul><ul><li>Logistische Größen: </li></ul><ul><ul><li>Umschlagshäufigkeit , Bestand, Reichweite, </li></ul></ul><ul><ul><li>Backlog, Anteil am Servicelevel </li></ul></ul><ul><li>Unternehmensabhängige Größen </li></ul><ul><li>Kombination, z.B.: </li></ul><ul><ul><li>Wert+Bestand (+Verzinsung) = Kapitalbindung </li></ul></ul><ul><ul><li>Wertschöpfung * Servicelevel </li></ul></ul>ABC-Analysen können auf verschiedene Kennzahlen bezogen werden Analysieren Planen Messen C B A AA
    33. 33. Das Design der SC richtet sich nach der ABC-XYZ-Klassifikation Auf welche Produkte würden Sie sich konzentrieren? X Z Y A B C Sicherheitsbestand steigt Planer Computer Computer JiT, JiS(equence), kein (minimaler) Sicherheitsbestand, Integration Zulieferer, Überwachung/Eingriff durch Planer JiT, JiS, Verbessern der Prognosequalität, Integration Zulieferer, Flexibilisierung Prozesse <ul><li>Sicherheitsbestand abhängig von </li></ul><ul><li>Zuverlässigkeit Zulieferer </li></ul><ul><li>Schwankung der Nachfrage </li></ul><ul><li>Eigenschaften des Produktes </li></ul><ul><li>Bestandsführung automatisch </li></ul>Sicherheitsbestand steigt C B A
    34. 34. <ul><li>Lagerhaltung möglichst vermeiden </li></ul><ul><li>Rechner unterstützt, aber manuelles Planen und Überwachen ist notwendig  Plan by Exception (Alerts) </li></ul><ul><li>Fertigung : Just in Time, bzw. Just in Sequence bei XY </li></ul><ul><li>Distribution : Stock-or-not: Konsolidierung in bestandslosen Lägern (cross-docking) </li></ul><ul><li>Im Bedarfsfall (falls toleriert) bei Z, bzw. S </li></ul><ul><li>Augenmerk auf Flexibilisierung der Supply Chain, Reduktion Lieferzeit + Reaktionszeit (evtl. Redesign) </li></ul><ul><li>Nutzen von Marktdaten zur Verbesserung der Prognose + Collaboration mit Kunden </li></ul><ul><li>Anwendung der Ansätze zur Vermeidung Bullwhip-Effekt </li></ul>Die Lagerhaltung von A-Artikeln ist teuer
    35. 35. <ul><li>Geringer Wert - Problem bei Engpass </li></ul><ul><li>Einfache Bestandsüberwachung, d.h. Lagerhaltungsstrategie (s,S), sehr hoher Sicherheitsfaktor (99,99%) </li></ul><ul><li>Automatisch von Rechner überwacht </li></ul><ul><li>Zwei-Behälter-Prinzip (Kanban) der Fertigung: </li></ul><ul><ul><li>Wenn ein Behälter leer, wird aufgefüllt </li></ul></ul><ul><ul><li>Entspricht (s,Q)-Modell – Auf Supply Chains anwenden </li></ul></ul><ul><li>Achtung bei An- oder Auslauf: Schrott erzeugt </li></ul><ul><li>Periodische Überwachung der Zugriffs-, bzw. Umschlags- häufigkeit </li></ul><ul><li>e-procurement : Günstiges Disponieren von C-Artikeln </li></ul><ul><li>Beispiel : Kappa Wellpappe – Konflikt zwischen Wert und Volumen </li></ul>Billige C-Artikel dürfen die Lieferfähigkeit nicht beeinträchtigen
    36. 36. Zusammenfassung: Datenanalyse
    37. 37. Übung Lagerhaltung <ul><li>In Excel Lagerhaltungspolitik nachstellen </li></ul><ul><li>Bedarf ist stochastisch, Reaktionszeit unterschiedlich </li></ul><ul><li>Lagerbilanzgleichung erarbeiten: </li></ul><ul><li>Welche Datengrundlage ist nötig? </li></ul><ul><li>Funktionale Zusammenhang der Variablen? </li></ul><ul><li>In Excel: </li></ul><ul><li>Kostenauswertung: Bestellung/Backlog/Lagerhaltung, kumulierte Gesamtkosten </li></ul><ul><li>Was passiert, wenn K fix = 0? </li></ul><ul><li>Bestellung ist an jedem Tag möglich  Formel für s anpassen? </li></ul><ul><li>Advanced User: Nutzen Solver zur Best. optimaler Lösung </li></ul>
    38. 38. Lagerbilanzgleichung <ul><li>= </li></ul><ul><li>+ </li></ul><ul><li>- </li></ul><ul><li>+ </li></ul>Noch zu bedienender Rück-stand aus der Vorperiode in t (möglicherweise) aufgebauter Backlog <ul><li>Bedarf von i in t </li></ul><ul><li>Produktion von i in t </li></ul><ul><li>- </li></ul>Eingehende Ströme Ausgehende Ströme <ul><li>I </li></ul><ul><li>i, t-1 </li></ul><ul><li>X </li></ul><ul><li>i, t </li></ul><ul><li>bl </li></ul><ul><li>i, t-1 </li></ul><ul><li>I </li></ul><ul><li>i, t </li></ul><ul><li>bl </li></ul><ul><li>i, t </li></ul><ul><li>d </li></ul><ul><li>i, t </li></ul><ul><li> i </li></ul><ul><li> </li></ul><ul><li>EP </li></ul>es gilt: <ul><li>I </li></ul><ul><li>i, t </li></ul><ul><li>bl </li></ul><ul><li>i, t </li></ul><ul><li>bl </li></ul><ul><li>i, t </li></ul><ul><li>I </li></ul><ul><li>i, t </li></ul> 0 > 0 = 0 = 0  
    39. 39. Analysefunktionen von Excel Analyse funktionen Solver Wenn noch nicht installiert
    40. 43. Erkenntnisse aus der Übung <ul><li>Aufgabe 1: (t,Q) funktioniert so nicht </li></ul><ul><li>Aufgabe 2: Falsche Verteilungsannahme  Wie müsste es richtig sein? </li></ul><ul><li>Für die Bestellpolitik muss der physisch verfügbare und der Unterwegsbestand berücksichtigt werden </li></ul><ul><li>Lagerbilanzgleichung: </li></ul><ul><li>Bestand (morgens) – Bedarf + Zugänge = Bestand (abends) </li></ul><ul><li>Wenn Bestand < 0  Backlog </li></ul><ul><li> - und  -Servicelevel für Aufgabe 4+5 implementieren </li></ul><ul><li>Bei Aufgabe 5 mit s und S spielen  mit Solver Kostenoptimum suchen </li></ul>

    ×