TU Darmstadt / ULB / TUprints

Monetäre Bewertung des belastungsbasierten Leasings für Werkzeugmaschinen

Stanula, Patrick (2023)
Monetäre Bewertung des belastungsbasierten Leasings für Werkzeugmaschinen.
Technische Universität Darmstadt
doi: 10.26083/tuprints-00023375
Ph.D. Thesis, Primary publication, Publisher's Version

[img] Text
Dissertation_P.Stanula.pdf
Copyright Information: CC BY-SA 4.0 International - Creative Commons, Attribution ShareAlike.

Download (6MB)
Item Type: Ph.D. Thesis
Type of entry: Primary publication
Title: Monetäre Bewertung des belastungsbasierten Leasings für Werkzeugmaschinen
Language: German
Referees: Metternich, Prof. Dr. Joachim ; Klingauf, Prof. Dr. Uwe
Date: 2023
Place of Publication: Darmstadt
Collation: XVI, 219 Seiten
Date of oral examination: 26 April 2022
DOI: 10.26083/tuprints-00023375
Abstract:

Die Anschaffungskosten von Werkzeugmaschinen stellen eine finanzielle Herausforderung für Unternehmen dar. Das Leasing als alternative Finanzierung zum kreditfinanzierten Kauf verspricht Vorteile. Durch die Fortschritte der Digitalisierung können neuartige Pay-per-X Modelle angeboten werden, welche eine höhere Flexibilität der Zahlungen in volatilen Märkten versprechen. Die aktuellen Modelle sind jedoch dem Prinzipal-Agenten-Problem ausgesetzt. Der Leasingnehmer ist an einer hohen Auslastung der Maschine interessiert, der Leasinggeber an deren Werterhalt. Die Nutzung der Maschine ist dem Leasinggeber nicht bekannt und eine übermäßige Belastung führt zu erhöhtem Verschleiß und Wertverlust. Folglich wird dieses Restwertrisiko in die Leasingrate eingepreist. Das belastungsbasierte Leasing verspricht die Auflösung die-ses Problems, indem die durch den Leasingnehmer verursachte Belastung in die Leasingrate integriert wird. Inwiefern sich ein solches Modell für den Leasingnehmer lohnt, ist durch die ungewisse Abnutzung der Maschine aktuell nicht im Vorfeld bestimmbar. In der vorliegenden Dissertation wird die monetäre Bewertung eines entwickelten belastungsbasierten Leasings für Werkzeugmaschinen als Grundlage einer Investitionsentscheidung des Leasingnehmers untersucht.

Dazu wird das belastungsbasierte Leasing konzeptionell und mathematisch auf Basis des Leasingvertrags mit Teilamortisation entwickelt. Der Amortisationsanteil der Leasingrate wird durch die Abnutzung der Werkzeugmaschine auf Baugruppenebene bestimmt. Durch die Verrechnung der Belastung verändern sich die Anreize und damit das Nutzungsverhalten des Leasingnehmers. Diese Veränderung führt zu einem höheren erwarteten Restwert und niedrigeren Lebenszykluskosten in Form der Instandhaltungskosten. Darauf aufbauend wird die Bewer-tungsmethode zur Investitionsentscheidung als computerausführbares Simulationsmodell entwickelt. Die Unsicherheit bezüglich der Maschinenbelastung und der Leasingraten ist hierbei ein zentrales Element. Die Unsicherheit wird durch eine Monte-Carlo-Simulation modelliert, wobei n-fache Grundmietzeiten simuliert und anhand des Kapitalwerts aller entscheidungsrelevanten Kosten in mehreren Szenarien bewertet werden. Die Entscheidung erfolgt zweistufig. Nach einer Vorauswahl der Investitionsalternativen anhand der stochastischen Dominanz der alternativen Risikoprofile, werden diese anhand einer Risikonutzenfunktionen nach dem μ-σ-Prinzip bewertet und die beste Alternative ausgewählt. Die unsichere Maschinenbelastung während der Grundmietzeit wird über ein Simulationsmodell auf Basis historischer Instandhaltungs- und Betriebsdaten beschrieben. Dieser Simulationskern besteht zum einen aus der Ereignissimulation auf Basis statistischer, parametrischer Zuverlässigkeitsmodelle. Zum anderen besteht er aus der Abnutzungssimulation durch einen Gamma-Prozess als Approximation der Belastung. Die veränderte Nutzung der Maschine wird durch Manipulation der Datenbasen beschrieben. Der Bewertungsansatz wird am Beispiel einer Investitionsentscheidung eines mittelständischen Unternehmens validiert. Es wird gezeigt, dass sowohl in Bezug auf die Leasingraten als auch die Lebenszykluskosten das belastungsbasierte dem klassischen Leasing vorzuziehen ist, da es zu geringeren erwarteten Kosten und einem höheren Maschinenrestwert führt. Das neue Modell besitzt durch das gesunkene Restwertrisiko und die gesteigerte erwartete Gewinnmarge auch Vorteile für den Leasinggeber gegenüber dem klassischen Leasing.

Alternative Abstract:
Alternative AbstractLanguage

The acquisition costs of a machine tool represent a financial challenge for companies. Leasing as an alternative form of financing to credit-financed purchase promises advantages. Due to ever improving digitalization capabilities, new types of Pay-per-X models are available. These models promise greater flexibility of payments in volatile markets. However, current models are subject to the principal agent problem. The lessee aims for high machine utilization, whereas the lessor is interested in maintaining its value. Also, the lessor is unaware of the usage of the machine and fears that excessive load leads to increased wear and therefore loss of value. Consequently, the lessor includes this so-called residual value risk into the leasing rate. Load-based leasing promises to solve this problem by integrating the load on the machine caused by the lessee into the leasing rate. The extent to which such a model is advantageous for the lessee is currently unclear, due to the uncertain wear of the machine caused by loads. In this dissertation, the monetary evaluation of a developed load-based leasing for machine tools is investigated as a basis for an investment decision of the lessee. For this purpose, the load-based leasing is developed conceptually and mathematically based on lease with partial amortization. The amortization portion of the lease payment is determined by the wear of the machine tool on an assembly group level. By directly offsetting the load, the incentives and thus the usage behavior of the lessee changes. This change leads to a higher expected residual value and lower life cycle costs in the form of maintenance costs. Based on this, the evaluation method for the investment decision is developed as a computer-executable simulation model. The uncertainty concerning machine loads and consequently the leasing rates is a central element. The uncertainty is modeled by a Monte-Carlo-Simulation, where n-fold leasing periods are simulated and evaluated by the net-present-value of all decision-relevant costs in several scenarios. The decision for an alternative is made in two stages. A pre-selection of investment alternatives is made based on the stochastic dominance of the alternative risk profiles. The preselection results are assessed using a risk-benefit function following the μ-σ-principle, resulting in the best alternative being selected. The uncertain machine load during the lease period is described by a simulation based on historical maintenance and operation data. On the one hand, this simulation core consists of the simulation of events based on statistical, parametric reliability models. On the other hand, it consists of wear simulation by a gamma-process as an approximation of load. The adapted machine usage is implemented by manipulating the databases. The evaluation approach is applied to the example of an investment decision of a medium-sized company. It is shown that both in terms of leasing rates and life cycle costs load -based leasing is preferable to the classical model. The load-based leasing leads to lower expected cost and an increased residual machine value. The new model also has advantages for the lessor, due to the reduced residual value risk and the increased expected profit margin.

English
Status: Publisher's Version
URN: urn:nbn:de:tuda-tuprints-233754
Classification DDC: 600 Technology, medicine, applied sciences > 620 Engineering and machine engineering
Divisions: 16 Department of Mechanical Engineering > Institute of Production Technology and Machine Tools (PTW) > Management of Industrial Production
Date Deposited: 30 Mar 2023 12:02
Last Modified: 31 Mar 2023 09:17
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/23375
PPN: 506473473
Export:
Actions (login required)
View Item View Item