Lagerhaltungspolitik

Inhaltsverzeichnis

Symbolverzeichnis

1 Einleitung und Problembeschreibung

2 Die Ausgangssituation: Beladung der Servicewagen

3 Modell zur Optimierung der Servicewagen-Beladung
3.1 Prognose der Teilenutzung
3.2 Vergleich zu früheren Modellen
3.3 Das Modell

4 Schlussbetrachtung

Literatur

Symbolverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung und Problembeschreibung

In dieser Arbeit wird der Versuch beschrieben, die Servicewagen eines großen amerikani­schen Haushaltsgeräteherstellers^[1] effizienter mit Ersatzteilen zu bestücken. Die Techniker der Firma besuchen im Rahmen des Garantieservices Kunden, um vor Ort Geräte zu repa­rieren. Aufgrund des Platzmangels in den Servicewagen können jedoch nicht alle Ersatz­teile, Materialien und Equipment für alle Geräte in großer Menge mitgeführt werden. Dies ergibt sich aus dem einfachen Grund des Platzmangels. Typischerweise befinden sich we­niger als ein Prozent^[2] der bei Kundenbesuchen möglicherweise gebrauchten Teile in einem Servicewagen. Ziel ist es, einen exzellenten Service anzubieten, indem so viele Reparatu­ren wie möglich schon beim ersten Besuch erfolgreich durchgeführt werden. Gleichzeitig müssen die Lager- und Arbeitskosten für den Garantieservice gering gehalten werden. Ei­ne schnelle Reparatur ist ausschlaggebend für die Zufriedenheit der Kunden. Aus diesem Grund lässt Alpha Teile, die benötigt werden, aber nicht im Servicewagen sind, per Luft­fracht vom Lager verschicken, was höhere Kosten, dafür aber auch schnellere Lieferung zur Folge hat. Nicht vorrätige Ersatzteile ziehen zusätzlich auch Kosten nach sich, die aus Mehrfachfahrten bzw. Fahrtzeiten des Servicemitarbeiters oder durch die Planung der offe­nen Reparaturen entstehen.

Die Aufgabe besteht also in der Bestimmung derjenigen der 70000 Teile, mit denen die Wagen ausgestattet werden sollen. In Kapitel 2 wird Alphas Ausgangssituation beschrie­ben. Es wird u.a. dargestellt, mit welchen Methoden die Firma Entscheidungen bezüglich der Beladung ihrer Servicewagen getroffen hat. Im 3. Kapitel wird das Modell von Gorman & Ahire (2006) vorgestellt sowie die geschätzten Ergebnisse bezüglich der Lademengen, Service-Performance und Ersparnissen beschrieben.

2 Die Ausgangssituation: Beladung der Servicewagen

Alpha verfügt über ein zentrales und mehrere regionale Lager, welche die Techniker mit Er­satzteilen versorgen. Ein Eilbotensystem sorgt für die Auffüllung der Servicewagen, nach­dem die Techniker einen Auftrag erteilt haben. Die Bearbeitungszeit dieser Aufträge liegt bei ca. vier Tagen. Vor den Verbesserungsvorschlägen von Gorman & Ahire (2006) hat Alpha sehr einfache und zumeist nicht wirkungsvolle Heuristiken genutzt, wie z.B. „Lade jedes Teil, das mehr als fünf mal in den letzten zwei Monaten gebraucht wurde“.

Alpha fokussierte vor allem die Minimierung der Gesamtladung aller Fahrzeuge basierend auf dem durchschnittlichen Gesamtverbrauch, was zu vielen Stock-outs^[3] und damit Mehr­fachbesuchen der Techniker bei Kunden führte. Aus diesem Grund war es den Technikern gestattet, selbst zu entscheiden, welche Teile geladen werden. Diese sehr subjektive Ent­scheidungsfindung gewichtete die kürzlich verwendeten Teile überdurchschnittlich stark. Alpha versuchte über ein Expertensystem die Unsicherheit bezüglich der benötigten Teile zu verringern. Call-Center Mitarbeiter sollten das Problem der Kunden im Vorfeld derart dia­gnostizieren, dass schon vordem Kundenbesuch des Technikers festgestellt werden konnte, welche Ersatzteile geladen werdn müssten. Dieses System stellte sich als nicht sehr erfolg­reich heraus. Weder verringerte sich die Zahl der Fahrten der Servicemitarbeiter deutlich, noch waren die Ersparnisse durch das Screening erheblich.

Des weiteren bediente sich Alpha der sogenannten Six Sigma Methode^[4], welche durch Gorman & Ahire (2006) auf eine breitere Auswahl von Operations Research Techniken aus­gedehnt wurde.

3 Modell zur Optimierung der Servicewagen-Beladung

3.1 Prognose der Teilenutzung

Will man den Bedarf an Ersatzteilen eines speziellen Technikers im Zeitraum eines Wie­derauffüllvorgangs von vier Tagen bestimmen, stellt sich die Frage nach dem Aggregations- level. Zwar hat jeder Techniker seine eigene Teilnutzungshistorie, aber es lassen sich an einigen Faktoren Gemeinsamkeiten erkennen. So sind z.B. das Einkommen der Kunden, Demographie und Wohnort der Kunden u.a. entscheidend für den Gerätetyp und damit für die benötigten Ersatzteile bei Reparaturen.

Gorman & Ahire (2006) haben die Daten der letzten 12 Monate von jeweils vier Technikern zusammengefasst, um eine große und aussagekräftige Stichprobe sicherzustellen. Die Pro­gnose des totalen Teilebedarfs einer Technikergruppe wurde für ein Jahr erstellt, um präzise Voraussagen bezüglich des Bedarfs treffen zu können. Anschließend schätzten Gorman & Ahire (2006) die durchschnittliche Ordereingangsrate pro Techniker im Bearbeitungszeit­raum von vier Tagen. Anwendung fand dabei die gängige Annahme, dass die kumulative Nachfrage einem Poisson-Prozess^[5] folgt (Axsäter, 2006, S. 77).

Zudem wurden keine Saisonalitäten im Teilebedarf festgestellt und die einzelnen Maschi­nenschäden wurden als voneinander unabhängig angesehen. Bei besonderen Anlässen wie Rückrufaktionen für bestimmte Teile und Maschinen oder die Einstellung des Garantie­services wurde die Nachfrageschätzung manuell angepasst.

3.2 Vergleich zu früheren Modellen

Zieht man frühere Modelle zum Vergleich heran, so werden Gemeinsamkeiten und Un­terschiede bezüglich einiger Annahmen deutlich. In der Literatur ist neben der auch von Gorman & Ahire (2006) verfolgten Minimierung der Gesamtkosten bei Graves (1982) und Heeremans & Gelders (1995) das Ziel der Lagerungskostenminimierung unter einem vor­gegebenem Serviceniveau zu finden. Gorman & Ahire (2006) begründen ihre Wahl mit den hohen Kosten, die entstehen, wenn ein Servicemitarbeiter wiederholt den gleichen Kun­den besuchen muss. Zudem ist in den meisten früheren Modellen das Wiederbefüllen des Wagens nach jedem Job (Kundenbesuch) möglich. Lediglich Heeremans & Gelders (1995) erlaubten eine größere - allerdings vorher bekannte - Anzahl von Jobs zwischen den La­devorgängen. Für Alpha trifft diese Annahme schon deshalb nicht zu, da die Wiederbela­dungszeit vier Tage beträgt und in dieser Zeit etwa zwischen 35 und 50 Kundenaufträge^[6] von einem Techniker bearbeitet werden^[7].

3.3 Das Modell

Da das Finden der optimalen Lösung des komplexen Vehicle-Stocking-Problems sehr zeit­raubend ist, verwendeten Gorman & Ahire (2006) eine Greedy-Heuristik.

[...]

^[1] 1m weiteren Verlauf der Arbeit wird die Firma wie bei Gorman & Ahire (2006) mit Alpha bezeichnet.

^[2] Es befinden sich ca. 400 von insgesamt 70000 Teilen in einem Servicewagen. Das entspricht ca. 0,57 %.

^[3] Stock-outs bedeutet, dass benötigte Teile nicht geladen waren.

^[4] Six Sigma ist eine Methode, um Prozesse und Produkte zu verbessern (Brussee, 2006, S. 5). Für eine detaillierte Beschreibung der Six Sigma Methode und Tools siehe z.B. Brussee (2006).

^[5] Die Wahrscheinlichkeit, dass in einem Zeitintervall der Länge t ein Ereignis k-mal eintritt, beträgt [Abbildung in dieser Leseprobe nicht enthalten] wobei [Abbildung in dieser Leseprobe nicht enthalten] die Ereignisrate darstellt (und gleichzeitig Mittelwert und Varianz der Verteilung ist). Die kumulative Verteilung ergibt sich durch [Abbildung in dieser Leseprobe nicht enthalten]. Vgl. zur Poisson-Verteilung u.a. Axsäter (2006, S. 77-80) und Bartmann & Beckmann (1989, S. 57-62).

^[6] Die Anzahl der Kundenbesuche variiert aufgrund von unterschiedlich langen Fahr- und Reparaturzeiten.

^[7] Bzgl. weiterer (hier nicht beschriebener) Annahmen in diesem und früheren Modellen liefern Gorman & Ahire (2006) und Teunter & Haneveld (2002) Vergleiche.