TU Darmstadt / ULB / TUprints

Eignung von Bestellinformationen zur Prognose zukünftiger Nachfrage und Bestimmung des Entkopplungspunkts

Zander, Robert :
Eignung von Bestellinformationen zur Prognose zukünftiger Nachfrage und Bestimmung des Entkopplungspunkts.
Technische Universität Darmstadt, Darmstadt
[Ph.D. Thesis], (2016)

[img]
Preview
Text
Dissertation_-_Robert_Zander.pdf
Available under Only rights of use according to UrhG.

Download (7MB) | Preview
Item Type: Ph.D. Thesis
Title: Eignung von Bestellinformationen zur Prognose zukünftiger Nachfrage und Bestimmung des Entkopplungspunkts
Language: German
Abstract:

Die möglichst genaue Vorhersage der zukünftigen Nachfrage ist zur effektiven und effizienten Steuerung einer Supply Chain sehr wichtig. Weichen die Vorhersagen signifikant von der tatsächlichen Nachfrage ab, dann werden auch die Planungsaufgaben, die diese Prognosen nutzen, suboptimale Ergebnisse liefern. Zahlreiche Methoden wurden bereits entwickelt, um die zukünftige Nachfrage möglichst genau zu prognostizieren und fehlerhafte Planungsergebnisse zu vermeiden. Einige neue Vorhersagemethoden setzen die in bereits vorliegenden Kundenbestellungen enthaltenen Informationen für die Prognose der Nachfrage ein. Die Genauigkeit der mit diesen Methoden erstellten Vorhersagen ist bisher sehr unterschiedlich. In einigen Situationen konnten sehr gute Prognosen berechnet werden. Insbesondere bei plötzlichen starken Nachfrageveränderungen eignen sich die Methoden besonders, weil die Veränderung meistens frühzeitig in den eingehenden Bestellmengen reflektiert wird. Sie sind allerdings nicht in jeder Situation präziser als konventionelle Prognosemethoden.

Gleichzeitig existieren bisher keine fertigen Softwaremodule, um diese Methoden in die IT-Systeme einer Supply Chain leicht zu integrieren. Die Implementierung der beschriebenen Methoden ist aufwendig und mit dem Einsatz meist knapper IT Ressourcen verbunden. Es ist für eine Supply Chain deshalb von großem Nutzen, wenn sie die zu erwartende Genauigkeit dieser Prognosemethoden vorab einschätzen kann. Es ist das Ziel dieser Forschungsarbeit die wesentlichen Treiber zu identifizieren, die die Genauigkeit dieser Methoden beeinflussen. Es werden dafür messbare Kriterien und Kennzahlen entwickelt, die eine Einschätzung der zu erwartenden Prognosegenauigkeit vor einer Implementierung ermöglichen und eine Einbeziehung in eine Entscheidung diesbezüglich erlauben. Die Berechnung der Kennzahlen basiert dabei auf einer strukturierten ex-post Analyse der Informationen aus den eingegangenen Kundenbestellungen.

Es werden auch die Bedeutung und der Einfluss des Bestellungseingangs auf die Entkopplungspunktposition untersucht. Ein Verfahren zur ex-post Bestimmung des Entkopplungspunkts wird in diesem Zusammenhang entwickelt. Es ermöglicht einer Supply Chain für seine Planungsaufgaben drei unterschiedliche Situationen mit verschiedenen Planungsgrundlagen zu differenzieren: eine rein auftragsbasierte Planung, eine rein prognosebasierte Planung und eine Mischform. Die Eignung der beschriebenen Prognosemethoden für die Situation mit einer Mischform aus auftrags- und prognosebasierter Planung kann herausgearbeitet werden. Zusätzlich erlaubt es das vorgestellte Verfahren Abweichungen zwischen dem geplanten und dem tatsächlichen Entkopplungspunkt zu identifizieren und als Grundlage für die Entwicklung von Optimierungsansätzen im Rahmen einer Repositionierung des Entkopplungspunkts zu nutzen.

Alternative Abstract:
Alternative AbstractLanguage
Accurately forecasting future demand is of high importance to steer and manage a supply chain efficient and effectively. Supply chain planning will likely yield suboptimal results, if based on forecasts deviating significantly from the actual demand. Numerous forecasting methods have been developed to predict future demand and minimize the risk of misdirected planning. As of late several methods have been introduced leveraging the available advanced demand information in existing customer orders as a source of future demand. The results from the employment of these methods have been mixed. In some situations forecasts with promising accuracy were computed. Especially sudden strong changes in demand volume were reflected early in the advanced demand information and consequently in the forecasts. However forecast accuracy did not always outperform other more conventional methods. No off-the-shelf software-modules are available enabling a supply chain to integrate these forecasting methods into their computer systems easily. As the implementation of such forecasting methods typically involves a significant share of scarce IT resources, it is beneficial for a supply chain, if it can estimate the expected forecast accuracy beforehand. Hence the aim of this research is to identify the key drivers that impact this accuracy. Several criteria and performance indicators are developed to assess the forecasting accuracy, which may be expected from these methods, allowing a supply chain to include the results in its decision whether or not to implement such a method. The calculation of the performance indicators is based on a structured ex-post analysis of the advanced demand information included in the already received customer orders. The impact and importance of the order intake for the position of the decoupling point is also examined. In this context a procedure to identify the decoupling point position ex post is developed. It enables a supply chain to distinguish between three situations for their planning tasks with a different planning basis: order-based planning, forecast-based planning and a mixture between the two. The applicability of the described forecasting methods for the situation, where order- and forecast-based planning are mixed, is explained. With the introduced procedure allowing the ex post analysis of the decoupling point, deviations from the planned position may now also be identified. The results from such analysis are an important basis for the optimization of the decoupling point in a future repositioning.English
Place of Publication: Darmstadt
Uncontrolled Keywords: Auftragsprofil, Nachfrageprognose, Kundenbestellungen, Bestellungsinformationen, Entkopplungspunkt
Alternative keywords:
Alternative keywordsLanguage
order profile, demand forcasting, customer orders, advanced demand information, decoupling pointEnglish
Classification DDC: 300 Sozialwissenschaften > 330 Wirtschaft
600 Technik, Medizin, angewandte Wissenschaften > 650 Management
Divisions: 01 Law and Economics > Betriebswirtschaftliche Fachgebiete
01 Law and Economics > Betriebswirtschaftliche Fachgebiete > Fachgebiet Produktion und Supply Chain Management
Date Deposited: 27 Oct 2016 10:31
Last Modified: 27 Oct 2016 10:31
URN: urn:nbn:de:tuda-tuprints-57079
Referees: Meyr, Prof. Dr. Herbert and Elbert, Prof. Dr. Ralf
Refereed: 4 April 2016
URI: http://tuprints.ulb.tu-darmstadt.de/id/eprint/5707
Export:
Actions (login required)
View Item View Item

Downloads

Downloads per month over past year