Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
03 inventory control
1. Supply Chain Management Sicherheit durch Lagerhaltung Minimierung der Bestände Maximierung des Servicelevels Transparenz in der Planung
2.
3.
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. 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.
7.
8.
9. Die optimale Losgröße wird aus den (bestell-) fixen und variablen (Lagerhaltungs-) Kosten ermittelt
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. 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. Q ist stark sensitiv gegen die variablen Kosten Reduktion Lagerhaltungskosten durch Outsourcing, etc. 1,41
13.
14.
15.
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. 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:
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.
21.
22.
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.
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
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
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.