\n<\/em><\/p>\n
Hohe Lieferbereitschaft wird oft durch hohe Best\u00e4nde erkauft. Das muss nicht sein. Bei einem Technischer H\u00e4ndler wurden die Best\u00e4nde bei Pilotartikeln um 50% gesenkt. Der Lagerumschlag insgesamt wurde innerhalb kurzer Zeit von 5,6 auf den Wert 7,5 gesteigert, was entsprechende Liquidit\u00e4t freisetzt. Dies alles ohne Einbu\u00dfen bei einer Lieferbereitschaft von 98,5 % und ohne Zusatzkosten beim Personal in der Disposition. M\u00f6glich wurde dies durch Verwenden eines Optimierungs- und Dispositionstools f\u00fcr das Warenwirtschaftssystem.<\/strong><\/p>\n Neben einem umfassenden Produktportfolio und exzellenter Beratung lebt der Technische Handel von einer perfekten Logistik. Diese zeichnet sich durch sehr hohe Lieferbereitschaft aus und stellt h\u00f6chste Anforderungen an Mitarbeiter, Organisation und Systeme. Zur Optimierung der Beschaffungsprozesse sind Lagerumschl\u00e4ge mit Werten von 9 pro Jahr anzustreben. Oft jedoch liegt dieser Wert deutlich darunter. Wird beispielsweise ein Lagerumschlag von unter 6 gemessen, dann bedeutet das, dass das Material \u00fcber zwei Monate tot im Lager liegt und Kapital bindet. Um dieses frei setzen zu k\u00f6nnen, sind umfangreiche Analysen erforderlich, um tausende Artikel optimal disponieren zu k\u00f6nnen.<\/p>\n In einem konkreten Projekt im Technischen Handel wurden die meisten Artikel beispielsweise mit hohen Mindestbestellmengen beschafft. Einige dar\u00fcber hinaus in kleinen verkaufsoptimierten Verpackungseinheiten. Diese Varianten jeweils bei einem anderen Lieferanten. Von insgesamt 8.000 Artikeln sind ca. 80% lagerhaltig und werden aus dem Bestand verkauft. Die anderen Artikel werden auftragsbezogen beschafft und in der Regel per Direktlieferung vom Lieferanten zum Kunden geliefert.<\/p>\n Es zeigte sich schnell, dass das Ziel hoher Lagerumschlagswerte nur mit entsprechender Ver\u00e4nderung der softwaregest\u00fctzten Disposition m\u00f6glich wurde. Die vorr\u00e4tigen Artikel wurden zwar von den Eink\u00e4ufern ein- bis zweimal w\u00f6chentlich disponiert und bestellt, das IT-System unterst\u00fctzte die Disponenten dabei jedoch nur rudiment\u00e4r: Es wurden immerhin Dispo-Listen mit allen relevanten Informationen ausgegeben, die Eink\u00e4ufer mussten diese jedoch alle sichten und bei Bedarf die Bestellungen manuell anlegen. F\u00fcr gut planbare Artikel wurde das bestehende System dar\u00fcber hinaus zwar auch um eine Automatikfunktion mit Meldebestandsverfahren und Sollreichweiten erweitert, diese ber\u00fccksichtigen allerdings keine individuellen Verbrauchsverhalten der Artikel und k\u00f6nnen somit nur pauschal eingestellt werden. Insofern bestand eindeutig Handlungsbedarf.<\/p>\n Um den Lagerumschlag unter Gew\u00e4hrleistung hoher Lieferbereitschaft erh\u00f6hen zu k\u00f6nnen, waren eine Reihe von Analysen und Simulationen des logistischen Verhaltens der Beschaffungs- und Distributionskette erforderlich (Bild 2):<\/p>\n Die Analysen wurden begleitet von optimierenden Ma\u00dfnahmen zur Reduzierung logistischer Kenngr\u00f6\u00dfen wie Wiederbeschaffungszeit, Mindesteinkaufsmengen und Losgr\u00f6\u00dfen, die der Einkauf mit den Lieferanten neu verhandeln konnte.<\/p>\n Die Auswertung der Best\u00e4nde im Rahmen der ABC\/XYZ-Analyse zeigt deutlich, dass die Eink\u00e4ufer es sehr gut verstanden, Best\u00e4nde im Bereich AB-XY zu halten, um bei diesen Artikeln eine hohe Lieferbereitschaft zu erzielen, und gleichzeitig durch die regelm\u00e4\u00dfigen Verbrauche kein hohes Risiko einzugehen und Best\u00e4nde in den schwierig zu planenden Bereichen Z und Z2 zu vermeiden (Bild 3).<\/p>\n Die weiteren Analysen ergaben, dass nur ein unbedeutender Anteil der Artikel (<1%) einen Trendcharakter aufwies, aber immerhin 5% der Artikel Saisonverhalten (siehe Beispiel in Bild 1) zeigten, welches den Eink\u00e4ufern zwar bekannt war, aber bisher f\u00fcr eine automatisierte Disposition nicht in Frage kam.<\/p>\n F\u00fcr die Simulations- und Optimierungsl\u00e4ufe ist die Definition der Bevorratungsstrategien erforderlich, die angibt, welche Artikel bevorratet werden sollen und welche Lieferbereitschaftsgrade angestrebt werden. Da bereits im Vorfeld die auftragsbezogenen Artikel aus den Analysen ausgeklammert wurden, m\u00fcssen alle verbleibenden 80% der Artikel im Lager vorr\u00e4tig sein. Anhand der ABC\/XYZ Matrix setzte das Projektteam die Solllieferbereitschaftsgrade fest mit dem Ziel, den sehr hohen geforderten Wert von 98,5 % zu halten (Tab. 1).<\/p>\n Bei der Definition der Simulationsszenarien spielte die M\u00f6glichkeit, bei verschiedenen Lieferanten mit unterschiedlichen Optionen einzukaufen, eine wesentliche Rolle. Besonders interessant war dabei die Frage, wie sich der Preisvorteil der preisoptimalen Szenarien mit gro\u00dfen Chargen gegen\u00fcber den k\u00fcrzeren Lieferzeiten und geringeren Mindestbestellmengen (umschlagsoptimale Szenarien) auswirken w\u00fcrde. In en Simulationsl\u00e4ufen konnte dies durch die unterschiedlichen logistischen Parameter wie Lieferzeit, Wareneingangsbearbeitungszeit und Mindestbestellmengen sowie den unterschiedlichen Einkaufpreisen ber\u00fccksichtigt werden. Die Simulationsszenarien sind in Tab. 2 dargestellt.<\/p>\n Zur Beurteilung der Simulationsergebnisse wurden neben der Bestandsh\u00f6he und dem Lieferbereitschaftsgrad das Bestellvolumen und die Anzahl der Bestellpositionen \u00fcber einen Vergleichszeitraum herangezogen. Denn gerade durch die Senkung der Mindestbestellmengen und der Eindeckzeitr\u00e4ume ergeben sich zwangsweise mehr Bestellpositionen und damit nat\u00fcrlich auch mehr Wareneingangsvorg\u00e4nge. Die Ergebnisse zeigt der untere Bereich in Tab. 1 im \u00dcberblick.<\/p>\n Beim Vergleich der preisoptimalen mit den umschlagsoptimalen Szenarien war schnell klar, dass das 13 bis 28% h\u00f6here Bestellvolumen gegen\u00fcber dem Istzustand die Kosteneinsparung durch die Bestandssenkung um ein Mehrfaches \u00fcberstieg und damit nicht akzeptabel war. Ebenso w\u00fcrde sich bei den umschlagsoptimalen Szenarien die Anzahl der Bestellpositionen mehr als verdreifachen und somit den Aufwand in Einkauf und Wareneingang erheblich erh\u00f6hen. Daher wurden im Folgenden nur noch die preisoptimalen Szenarien betrachtet.<\/p>\n Zusammenfassend ist zu beobachten, dass kleinere Eindeckzeitr\u00e4ume zu geringeren Best\u00e4nden f\u00fchren, aber die Zahl der Bestellpositionen nach oben treiben. Der Ausrei\u00dffaktor, der es erm\u00f6glicht, Bedarfsspitzen in den Vergangenheitsdaten zu gl\u00e4tten, wirkt sich ebenfalls durch geringer ausfallende Prognosewerte bestandssenkend aus. Insgesamt wurde das preisoptimale Szenario V ausgew\u00e4hlt, bei dem der Zielbestandswert 40% unter dem Istbestandswert betr\u00e4gt und damit ein Lagerumschlag von 9,35 pro Jahr erreicht wird. Das von der Unternehmensleitung geforderte Ziel von 9 Umschl\u00e4gen pro Jahr w\u00e4re damit erreicht.<\/p>\n W\u00e4hrend der Projektarbeit zeigte sich, dass das im Unternehmen eingesetzte Warenwirtschaftssystem nicht in der Lage war, die neu gestaltete Supply Chain hinsichtlich Absatzprognostik und Bestellwesen ausreichend zu unterst\u00fctzen. Aus diesem Grunde entschied man sich, f\u00fcr diese Aufgabenstellungen das Software Add-on tool \u201eDiskover” einzusetzen. Mit Hilfe dieser Automatisierungsm\u00f6glichkeit ist der Einkauf nun in der Lage, die um fast 250% gegen\u00fcber fr\u00fcher angestiegene Zahl an Bestellpositionen bei unver\u00e4ndertem Personaleinsatz abzuarbeiten. Geht man davon aus, dass alle gut prognostizierbaren X- und Y-Artikel zuk\u00fcnftig automatisiert, d.h. ohne Eingreifen des Eink\u00e4ufers bestellt werden k\u00f6nnen, l\u00e4sst sich insgesamt der Aufwand f\u00fcr das Erstellen der Bestellungen unter das bisherige Ma\u00df reduzieren. Allerdings bleibt ein erh\u00f6hter Aufwand im Wareneingang, der aber im errechneten Umfang von der Logistik noch zu bew\u00e4ltigen ist.<\/p>\n Bereits nach kurzer Zeit wirkten sich die Projektergebnisse positiv aus. Deutlicher als bei den konventionell beschafften Artikeln, die durch Reduzierung der Mindestbestellmengen und Lieferzeiten ebenfalls sanken, fallen die Ergebnisse bei den mit dem Dispositionstool eingekauften Pilotartikeln aus: \u00fcber 50% Bestandsabbau nach f\u00fcnf Monaten (Bild 4).<\/p>\n","protected":false},"excerpt":{"rendered":" Optimierungsprojekt korrigiert Schwachstelle IT G\u00f6tz-Andreas Kemmner und Bernd Reineke Hohe Lieferbereitschaft wird oft durch hohe Best\u00e4nde erkauft. Das muss nicht sein. Bei einem Technischer H\u00e4ndler wurden die Best\u00e4nde bei Pilotartikeln um 50% gesenkt. Der Lagerumschlag insgesamt wurde innerhalb kurzer Zeit von 5,6 auf den Wert 7,5 gesteigert, was entsprechende Liquidit\u00e4t freisetzt. Dies alles ohne Einbu\u00dfen<\/p>\n","protected":false},"author":26,"featured_media":30231,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":""},"categories":[1587,1591,1585,1577],"tags":[18,43,27,59,116,34,19,28,109,30,75,48,259,32,37,51],"class_list":["post-2509","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-absatz-bedarfsprognose","category-bestandsmanagement","category-digitale-transformation","category-planung-disposition","tag-beratung","tag-beschaffung","tag-bestand","tag-bestandsoptimierung","tag-bestandssenkung","tag-diskover","tag-disposition","tag-lager","tag-lagerumschlag","tag-lieferbereitschaft","tag-logistik","tag-losgrosen","tag-optimierungsprojekt","tag-prognose","tag-simulation","tag-supply-chain"],"acf":[],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t![\"Bild](\"https:\/\/www.ak-online.de\/\/wp-content\/uploads\/2006\/03\/Saisonalitaet_Wuerth.png\")
<\/a>Problemfall IT<\/h3>\n
<\/a>\n
<\/a><\/a><\/a>Kleinere Eindeckzeitr\u00e4ume, geringere Best\u00e4nde, mehr Bestellpositionen<\/h3>\n
<\/a>Deutlicher Bestandsabbau in kurzer Zeit<\/h3>\n