Information-Sharing in einer Supply Chain

Abh¨ngigkeit von l f¨r den Hersteller bei einer Fallunterscheidung, n¨mlich mit bzw. oha u a ne Information-Sharing, untersucht werden m¨ssen, ist die Bestandsfunktion im Zusamu menwirken mit l f¨r den H¨ndler in beiden F¨llen mit bzw. ohne Information-Sharing u a a identisch, weil seine Durchschnittslagerbest¨nde nicht durch das Information-Sharing a beeinflusst werden. Bzgl. der Bestandsreduzierung liefert die Abb. 13 folgende Aussage: Der approximierte Durchschnitts-Lagerbestand sowohl des Herstellers als auch des H¨ndlers erh¨ht sich mit a o dem Anstieg von l f¨r jedes ρ ≥ 0. Folglich f¨hrt eine Verk¨rzung von l zur Bestandsreu u u duzierung beider Pateien der SC. Außerdem l¨sst sich aufgrund der Formel (3.21) und a des Satzes (1) feststellen: Je l¨nger die Vorlaufzeit l des H¨ndlers ist, desto gr¨ßer wird a a o die durch Information-Sharing erzeugte Bestandsreduzierung f¨r den Hersteller, sowohl u in absoluter als auch in relativer H¨he. Außerdem ist ersichtlich, dass sich durch eine o Verk¨rzung von l die Lagerbestandsreduzierung seitens des H¨ndlers viel st¨rker als die u a a seitens des Herstellers auswirkt. [...]

Die bisherigen Analysen haben gezeigt, dass das ganze SC-System aus dem InformationSharing einen großen Nutzen zieht, wenn die Nachfragen des H¨ndlers zeitlich miteinana der stark korrelieren oder die Bedarfsmengen hochgradig variieren. Diese Vorteile zeigen sich vor allem in Form von Bestandsreduzierung und Kostenersparnis des Herstellers. C.) Auswirkungen der Vorlaufzeit des H¨ndlers l a ¨ Uber die Untersuchung der Parameter ρ und σ hinaus wird die Auswirkung der Vorlaufzeit des H¨ndlers l als ein wichtiger Kernpunkt analysiert, denn die Reduzierung a von l kommt in der Praxis oft f¨r den Hersteller als eine effektive Maßnahme in Frau ge, um den H¨ndler zur Partizipation im Information-Sharing zu motivieren. Lee u. a. a stellen anhand der Approximationen und Simulationen fest, dass die Verk¨rzung von l, u also der Beschaffungszeit seitens des H¨ndlers, die beiden Teilnehmer der SC beg¨nstigt, a u w¨hrend das Information-Sharing nur dem Hersteller einseitig direkt den Nutzen bringt. a Um den Einfluss der Vorlaufzeit l auf die Lagerbest¨nde und die Kosten jeweils des Hera stellers und des H¨ndlers auszuwerten, fixieren wir die Werte der Parameter ρ, σ und L a und beobachten die funktionalen Zusammenh¨nge zwischen l und den entsprechenden a Outputs (s. Anhang 8). [...]

Die in den obigen vier Abbildungen 6, 7, 8 und 9 zu beobachtenden Ph¨nomene kann a man ¨konomisch in folgender Weise interpretieren: Wenn ρ groß ist, dann liegt eine o starke Korrelation zwischen den Nachfragen des H¨ndlers im Laufe der Zeit vor. In a diesem Fall bedeutet der Informationsstand des Herstellers uber den aktuellen Bedarf ¨ des H¨ndlers sehr viel f¨r die Prognose der k¨nftigen Nachfrage. Eine diesbez¨gliche a u u u Information hilft dem Hersteller, eine relativ zuverl¨ssige Prognose durchzuf¨hren. Als a u Folge hiervon f¨hrt das Information-Sharing in diesem Fall zur starken Bestands- und u Kostenreduzierung. Wenn ρ dagegen klein ist, kann der Hersteller wegen der schwachen Korrelation zwischen den Nachfragen anhand der Information uber die aktuelle ¨ Nachfrage nur schwer die zuk¨nftige Nachfrage prognostizieren. Falls weiterhin ρ = 0 u gilt, d.h. ein im Betrachtungszeitraum identisch unabh¨ngig verteilter Nachfrageproa zess vorliegt, so resultiert kein Vorteil aus dem Information-Sharing. Im letzten Kapitel ist festgestellt worden, dass f¨r ρ = 0 die Bestellmenge des H¨ndlers am Ende einer u a Periode genau seiner Nachfrage w¨hrend dieser Periode entspricht, also Yt = Dt , und a dass das Order-up-to Niveau des Herstellers f¨r beide F¨lle ohne bzw. mit Informationu a ∗ Sharing dasselbe bleibt, also Tt = Tt . Die bedeutet, dass es keinen Bullwhip-Effekt gibt, wenn der Autokorrelationskoeffizient ρ = 0 ist. Also nur, wenn es hier um einen Bedarfsprozess geht, der viel komplizierter im Vergleich zum station¨ren Fall ist, ist a eine durch Information-Sharing zustande kommende Verbesserung der Prognosequalit¨t a von gr¨ßerem Wert. Um den Nutzen in der Hightech- bzw. der Lebensmittelbranche o zu erfassen, wo die Bedarfsmengen h¨ufig zeitlich stark miteinander korrelieren, ist ein a station¨rer Bedarfsprozess daf¨r offensichtlich nicht ausreichend. a u B.) Auswirkungen des Parameters σ Die Auswirkungen des Parameters σ wird in einem ¨hnlichen Verfahren ceteris paribus a untersucht, wobei der ρ-Wert mit 0, 7 festgelegt wird und der Wert von σ zwischen 0 und 100 variiert. Die Abb. 10 und 11 zeigen uns jeweils die Auswirkungen des Parameters σ auf die Durchschnitts-Lagerbest¨nde in beiden F¨llen ohne bzw. mit Information-Sharing soa a wie die durch Information-Sharing erzeugte Bestandsreduzierung in Prozent f¨r den u Hersteller. Anhand der Abb. 10 und 11 (Daten s. Anhang 7) erhalten Lee u. a. folgende Ergebnisse: Der durchschnittliche Lagerbestand des Herstellers erh¨ht sich f¨r o u beide F¨lle ohne bzw. mit Information-Sharing, wenn sich der Parameter σ erh¨ht. a o Bei demselben σ-Wert erm¨glicht das Information-Sharing jedoch dem Hersteller, seio ne Durchschnittslagerbest¨nde zu reduzieren. Dar¨ber hinaus vergr¨ßern sich die durch a u o Information-Sharing hervorgerufene absolute und relative Bestandsreduzierung mit dem Anstieg vom σ-Wert. [...]