Strategien zur Optimierung der Logistikqualität unter Budgetrestriktion
- Art: Diplomarbeit
- Autor: Thorsten Eckert
- Abgabedatum: März 2003
- Umfang: 110 Seiten
- Dateigröße: 793,0 KB
- Note: 1,7
- Institution / Hochschule: Friedrich-Alexander-Universität Erlangen-Nürnberg Deutschland
- ISBN (eBook): 978-3-8324-7275-7
-
ISBN (Paperback) :
978-3-8324-7275-7 P - ISBN (CD) :978-3-8324-7275-7 CD
- Sprache: Deutsch
- Prämierung:
- Arbeit zitieren: Eckert, Thorsten März 2003: Strategien zur Optimierung der Logistikqualität unter Budgetrestriktion, Hamburg: Diplomica Verlag
- Schlagworte: Simulation, Modellierung, Supply Chain Analyzer, Sensitivitätsanalyse, SCA
In den Warenkorb
74,00 €
Diplomarbeit von Thorsten Eckert
Problemstellung:
Im Rahmen einer Zusammenarbeit mit dem IBM Forschungslaboratorium in Rüschlikon / Schweiz wird auf der Basis der Simulationsumgebung Supply Chain Analyzer (SCA) von IBM ein Supply Chain-Modell entwickelt. Mithilfe von Simulations- und Modellierungstechniken können innerhalb des Planungs- und Entscheidungsprozesses die Komplexität, Intransparenz und Dynamik einer Supply Chain (SC) untersucht werden, um so frühzeitig potenzielle Fehlentscheidungen zu entdecken, bevor diese in die Realität umgesetzt werden.
Das in vorliegender Arbeit vorgestellte Modell einer Supply Chain wird hinsichtlich der erzielbaren Logistikqualität unter vorgegebenen Budgetrestriktionen untersucht. Es werden verschiedene Einflussgrößen und Störungen in unterschiedlichen Szenarien modelliert und evaluiert. Die dabei eingesetzte Evaluierungsmethode ist die Simulation. Unter Logistikqualität wird eine hohe Termintreue bei kurzen Durchlauf- bzw. Lieferzeiten verstanden. Dies ist zum Beispiel mit kurzen Transport-, Produktions- und Lagerzeiten zu erreichen. Einflussgrößen sind die Lagergröße und der Lagerbestand, die Transportmittel und deren Kosten sowie die Anzahl an Mitarbeitern etc. Diese Faktoren sind so zu variieren, dass innerhalb der SC ein optimales Verhältnis zwischen Kosten und angestrebtem Ziel erreicht wird. Hierbei kommen vor allem Sensitivitätsanalysen zum Einsatz.
Ein Hauptproblem ist, strategische Planungen und taktische Entscheidungen zu evaluieren und deren Auswirkungen und Implikationen zu analysieren und möglichst genau abzuschätzen. Dabei ist von entscheidender Bedeutung herauszufinden, welchen Einfluss Restriktionen hinsichtlich des Gesamtbudgets auf die Leistungsfähigkeit der SC haben. Die Budgetrestriktion ist eine monetäre Grenze entlang der gesamten SC, unterhalb der alle anfallenden Kosten liegen müssen. Dabei gilt das ökonomische Prinzip, den gegebenen Servicegrad mit minimalem Aufwand zu erreichen. Es stellt sich die Frage, ob es eine strukturelle Budgetuntergrenze gibt, unterhalb derer die Qualität der SC drastisch leidet, und inwieweit Störungen wie Nachfrage- oder Produktionsschwankungen diese Untergrenze verändern oder verschieben. Das Ziel besteht darin, den Servicegrad bei gleichzeitiger Einhaltung der Budgetrestriktion zu maximieren.
Es werden Szenarien entworfen, denen jeweils der gleiche Servicegrad von 95% zugrunde liegt. Der Servicegrad lässt sich aus dem Verhältnis der Anzahl der termingerecht eingetroffenen Aufträge zu der Anzahl aller Aufträge errechnen. Durch Variation der Inputfaktoren sollen nicht nur so genannte „Flaschenhälse“ aufgedeckt, sondern auch Maßnahmen aufgezeigt werden, mit denen sich diese Engpässe beheben oder zumindest entschärfen lassen. Neben der Einflussgrößenvariation, die für jedes Szenario jeweils fixiert wird, werden während der Simulationsläufe Störungen berücksichtigt. Diese werden über statistische Verteilungen modelliert. Der Begriff Störung ist dabei sehr weit zu fassen. Nicht nur verlängerte Transportzeiten oder Maschinenausfälle, sondern auch strukturelle Änderungen des Modells, wie eine Fusion, werden darunter gefasst.
In der Richtlinie 3633 untergliedert der Verein Deutscher Ingenieure (VDI) die Vorgehensweise zur Durchführung einer Simulation (Design of Experiments, DoE) in die Phasen Vorbereitung, Durchführung und Auswertung [VDI93, Richtlinie 3633, Blatt 1]. Diese Phasen lassen sich noch weiter unterteilen.
Die Aufgaben- und Problemstellung für diese Arbeit beinhaltet die Modellierung einer SC, in der Produzenten, Lieferanten, Händler, Kunden sowie Transportunternehmen auftreten. Ziel ist es, wie oben erwähnt, die Logistikqualität dieser SC – unter dem Aspekt der Budgetrestriktion – anhand von Simulationsläufen zu untersuchen. Die notwendigen Daten für das Modell sind rein fiktiv, allerdings durchaus realistisch ausgewählt. Anhand dieser Daten wird ein Basismodell entworfen, das als Bezugsobjekt für die Ergebnisse der Simulationsläufe dient. Durch Variation der Inputparameter lassen sich unterschiedliche Simulationsszenarien erstellen, deren Ergebnisse analysiert werden. Die Auswertung erfolgt mithilfe von Sensitivitätsanalysen. Sofern Rückschlüsse auf reale SCs möglich sind, werden diese angesprochen.
Gang der Untersuchung:
Die Arbeit gliedert sich in fünf Abschnitte. In Kapitel 2 werden Begrifflichkeiten zum Supply Chain Management (SCM) und zum Supply Chain Operations Reference-Modell (SCOR), das als Grundlage für die Modellierung einzelner Knoten verwendet wird, eingeführt. Begriffe zur Simulation und eine Abgrenzung des SCAs schließen dieses Kapitel ab. Nach einer kurzen Einführung in den Aufbau des SCAs wird das Basismodell schrittweise dargestellt und entwickelt. Mit der Beschreibung der Topologie des Basismodells endet Kapitel 3. Im Abschnitt 4 folgen Analysen und Auswertungen. Dabei wird zunächst das Basisszenario näher untersucht und ausgewertet. Eine Sensitivitätsanalyse zeigt die Auswirkungen einer Änderung des Lagerbestands auf das Minimalbudget bei einem rein statischen Szenario ohne Störungen. Der Lagerbestand kann mithilfe einer Variation der Bestellmengen und -grenzen beeinflusst werden. Anschließend werden Störungen auf der operativen Ebene betrachtet, um Dynamik im Modell darzustellen. Mithilfe von Sensitivitätsanalysen werden wiederum optimale Minimalbudgets ermittelt, mit denen der geforderte Servicegrad erreichbar ist. Mit einer strukturellen Änderung des Modells, einer Fusion zweier Unternehmen, werden Störungen auf der strategisch organisatorischen Ebene modelliert. Neben dem statischen Basisszenario sind zudem noch Störungen auf der operativen Ebene zu untersuchen. Für diese beiden Szenarien (mit und ohne Störungen auf der strategisch organisatorischen Ebene), die mit der Kombination aus allen Störungen auf der operativen Ebene den geforderten Servicegrad erfüllen, werden die Durchlaufzeiten und Kosten detailliert betrachtet. Nach einem Belastbarkeitstest bezüglich der Produktionszeiten werden in einem Fazit die Ergebnisse der Simulationsläufe zusammengefasst. Kapitel 5 schließt die Arbeit mit einer Schlussbetrachtung ab.
Inhaltsverzeichnis:
| INHALTSVERZEICHNIS | I | |
| ABBILDUNGSVERZEICHNIS | IV | |
| TABELLENVERZEICHNIS | VI | |
| SYMBOL- UND ABKÜRZUNGSVERZEICHNIS | VIII | |
| 1. | EINLEITUNG | 1 |
| 1.1 | PROBLEMSTELLUNG UND ZIELSETZUNG | 1 |
| 1.2 | VORGEHENSWEISE BEI DER DURCHFÜHRUNG EINER SIMULATION | 2 |
| 1.3 | AUFBAU DER ARBEIT | 4 |
| 2. | ÜBERLEGUNGEN ZUM SUPPLY CHAIN MANAGEMENT UND ZUR SIMULATION | 6 |
| 2.1 | GRUNDLEGENDES ZUM SUPPLY CHAIN MANAGEMENT | 6 |
| 2.1.1 | Begriffe und Abgrenzung | 6 |
| 2.1.2 | Voraussetzungen und Ziele des Supply Chain Managements | 7 |
| 2.2 | SUPPLY CHAIN OPERATIONS REFERENCE-MODELL | 8 |
| 2.3 | GRUNDLEGENDES ZUR SIMULATION | 10 |
| 2.3.1 | Begriffe und Abgrenzung | 10 |
| 2.3.2 | Simulationsarten | 13 |
| 2.3.3 | Vor- und Nachteile von Simulationen | 15 |
| 3. | MODELLIERUNG UND SIMULATION EINER SUPPLY CHAIN MITHILFE DES SUPPLY CHAIN ANALYZERS | 17 |
| 3.1 | DIE SIMULATIONSUMGEBUNG „SUPPLY CHAIN ANALYZER“ | 17 |
| 3.1.1 | Allgemeines | 17 |
| 3.1.2 | Aktivitätsknoten | 17 |
| 3.1.3 | Entitäten | 19 |
| 3.1.4 | Attribute und Ausdrücke | 19 |
| 3.1.5 | Funktionen | 19 |
| 3.2 | ENTWICKLUNG DES BASISMODELLS | 20 |
| 3.2.1 | Modelldaten | 21 |
| 3.2.1.1 | Hierarchische Stücklisten | 21 |
| 3.2.1.2 | Produktion | 22 |
| 3.2.1.3 | Unternehmen und Standorte | 23 |
| 3.2.1.4 | Kunden und Großhändler | 24 |
| 3.2.1.5 | Transportwege | 24 |
| 3.2.1.6 | Klassendiagramm | 25 |
| 3.2.2 | Die Topologie des Supply Chain Modells | 27 |
| 3.2.2.1 | Basismodell auf höchster Abstraktionsebene | 27 |
| 3.2.2.2 | Aktivitätsknoten der Computer AG Nürnberg | 28 |
| 3.3 | FAZIT | 29 |
| 4. | SENSITIVITÄTSANALYSEN UND AUSWERTUNGEN | 30 |
| 4.1 | EINFÜHRUNG | 30 |
| 4.2 | BASISMODELL | 33 |
| 4.2.1 | Beschreibung des Basismodell | 33 |
| 4.2.2 | Parameter im Basismodell | 34 |
| 4.2.3 | Bewertung des Basisszenarios | 36 |
| 4.2.3.1 | Durchlaufzeiten | 36 |
| 4.2.3.2 | Kostenbetrachtung | 38 |
| 4.2.3.3 | Sensitivitätsanalyse | 41 |
| 4.3 | DYNAMISCHE SZENARIEN | 44 |
| 4.3.1 | Störungen bei der Nachfrage | 45 |
| 4.3.1.1 | Modelldaten | 45 |
| 4.3.1.2 | Sensitivitätsanalyse | 47 |
| 4.3.2 | Störungen bei der Produktion | 50 |
| 4.3.2.1 | Modelldaten | 50 |
| 4.3.2.2 | Sensitivitätsanalyse | 51 |
| 4.3.3 | Störungen bei der Lieferung | 54 |
| 4.3.3.1 | Modelldaten | 54 |
| 4.3.3.2 | Sensitivitätsanalyse | 54 |
| 4.3.4 | Kombination aller operativen Störungen | 57 |
| 4.3.4.1 | Sensitivitätsanalyse | 57 |
| 4.3.4.2 | Durchlaufzeiten | 60 |
| 4.3.4.3 | Kosten- und Gewinnbetrachtung | 61 |
| 4.3.5 | Zusammenfassung und Rückschluss | 65 |
| 4.4 | STRUKTURELLE ÄNDERUNGEN DES BASISMODELLS | 67 |
| 4.4.1 | Modelldaten | 67 |
| 4.4.2 | Sensitivitätsanalyse des statischen Szenarios | 68 |
| 4.4.3 | Sensitivitätsanalyse des dynamischen Szenarios | 70 |
| 4.4.4 | Detaillierte Betrachtung für das dynamische Szenario | 73 |
| 4.4.4.1 | Durchlaufzeiten | 73 |
| 4.4.4.2 | Kosten- und Gewinnbetrachtung | 74 |
| 4.4.5 | Zusammenfassung und Rückschluss | 77 |
| 4.5 | BELASTBARKEITSTEST | 77 |
| 4.5.1 | Erhöhung der Variationskoeffizienten der Produktionszeiten | 78 |
| 4.5.2 | Erhöhung der Mittelwerte der Produktionszeiten | 81 |
| 4.6 | FAZIT | 82 |
| 5. | SCHLUSSBETRACHTUNG | 85 |
| ANHANG | 87 | |
| A1 | BULLWHIP -EFFEKT | 87 |
| A2 | DIE VIER EBENEN DES SCOR-MODELLS | 88 |
| A3 | MODELLÜBERGREIFENDE DATEN | 89 |
| A3.1 | Produktdaten | 89 |
| A3.2 | Transportzeiten | 89 |
| A4 | STÜCKGEWINNE DER EINZELNEN KNOTEN IM BASISSZENARIO BS MIT BTO-STRATEGIE | 90 |
| A5 | AUSZUG AUS EINEM MODSIM III SCRIPT | 93 |
| LITERATURVERZEICHNIS | 95 |
Erwartungsgemäß lassen sich aus Abbildung 4-6 zwei Erkenntnisse ableiten. Zum einen ist zu sehen, dass mit wachsenden Bestellgrenzen relativ schnell eine Termintreue von 100% erreicht wird, unabhängig davon, wie groß die Bestellmengen gewählt werden. Allerdings wird die hohe Termintreue mit wachsenden Lagerbeständen erkauft. Zum anderen ist zu erkennen, dass die Transportkosten bei geringen Bestellmengen stark steigen. Darüber hinaus sind die Aufwendungen für die Transporte bei festen Bestellmengen nahezu konstant. Dies erklärt sich damit, dass die Kapazitäten der Transportmittel hinreichend groß sind, um selbst größere Mengen zu liefern. Lediglich die Anzahl der Fahrten bestimmt die Höhe der Transportkosten. In Abbildung 4-7 sind die monatlichen Kosten und die dazugehörigen Servicegrade für alle Kombinationen aus Bestellmengen und -grenzen zu sehen. Optimal ist derjenige Punkt, an dem ein Servicegrad von mindestens 95% mit minimal eingesetzten Kapital erreicht wird. [...]
Die fixen Lagerkosten KLf berechnen sich aus dem durchschnittlichen Lagerbestand, dem Volumen und einem jährlichen Fixkostensatz, der auf die Simulationsdauer heruntergerechnet wird.19 Es folgt: KLf = ∅-Lagerbestand ⋅ Volumen ⋅ Fixkostensatz ⋅ Simulationsdauer. Für die Produktion von 600 Modellen vom Typ A fallen während eines Simulationslaufs mit einer Dauer von einer Periode folgende variablen und fixen Kosten an, wobei ein Lagerzinssatz von 10% angenommen wird. Der Anteil der variablen Kosten ist vernachlässigbar klein, da alle Komponenten sofort an die Produktion weitergeleitet werden. Des Weiteren fallen Kosten für die zwischenzeitliche Lagerung der Computer bis zum Abtransport in Höhe von 5.996 € an.20 Es ergibt sich: KL = KLv + KLf ≈ 0 € + KLf Grafikkarte + KLf Motherboard A + KLf Festplatte + KLf Gehäuse + KLfModell A und B ≈ (21,58⋅0,1 + 0⋅0,05 + 16,62⋅0,1 + 17,46⋅0,2)⋅ 30 /365 ⋅ 10.000 € + 5.996 € ≈ 9.108 €. Für die Großhändler und Herstellbetriebe ergibt sich für das Basisszenario BS die in Abbildung 4-5 dargestellte Gewinnsituation. Der monatliche Gesamtgewinn in der SC beträgt 844.049 €. Allerdings entfällt dieser Gewinn nahezu vollständig auf die Grossisten und den Hersteller aus Nürnberg. Die übrigen Herstellbetriebe erwirtschaften aufgrund ihrer geringeren Größe kleinere Gewinne. [...]
Dieses Ergebnis erfüllt nicht die angestrebte Maximalwartezeit von 36 [h] und somit auch nicht die Termintreue von 95%. Folglich müssen Lagerbestände aufgebaut werden, mit deren Hilfe solche zeitlichen Verzögerungen gepuffert werden können. 4.2.3.2 Kostenbetrachtung Der Einfachheit halber setzen sich in allen Szenarien die Gesamtkosten aus den Transport-, Material-, Produktions- und Lagerkosten zusammen, wobei zu beachten ist, dass bei den Großhändlern keine Produktion stattfindet. Für die Transportkosten KT der Großhändler aus Erlangen und aus Bremen, der Computer AG aus Nürnberg und dem Herstellbetrieb aus Dortmund gilt: KT = Transportdauer ⋅ Stundenlohn ⋅ Anzahl Fahrten. Die Transportkosten (inklusive Be- und Entladen) fertiger Produkte von Nürnberg nach Bremen betragen somit: KT = 12 [h] ⋅ 10 € ⋅ 1 = 120 €. [...]
In den Warenkorb
74,00 €
Link zur Arbeit:
http://www.diplom.de/ean/9783832472757
Arbeit zitieren:
Eckert, Thorsten März 2003: Strategien zur Optimierung der Logistikqualität unter Budgetrestriktion, Hamburg: Diplomica Verlag
Schlagworte:
Simulation, Modellierung, Supply Chain Analyzer, Sensitivitätsanalyse, SCA



