2020 | OriginalPaper | Buchkapitel
Bestandsmanagement und stochastisches Materialmanagement
verfasst von : Paul Schönsleben
Erschienen in: Integrales Logistikmanagement
Verlag: Springer Berlin Heidelberg
Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.
Wählen Sie Textabschnitte aus um mit Künstlicher Intelligenz passenden Patente zu finden. powered by
Markieren Sie Textabschnitte, um KI-gestützt weitere passende Inhalte zu finden. powered by
Beabsichtigte Lernergebnisse: Verbrauchsstatistiken, Analysen und Klassifikationen beschreiben. Das Bestellbestandverfahren detailliert erklären. Aufzeigen, wie der Sicherheitsbestand berechnet werden kann. Verschiedene Techniken zur Losgrössenbildung unterscheiden. Bestände dienen als Puffer, um die zeitliche Synchronisation zwischen Gebrauch einerseits und Herstellung andererseits zu erreichen. Das Bestandsmanagement ist somit ein weiteres wichtiges Instrument der Planung & Steuerung und wird in diesem Kapitel behandelt. Zu- und Abgangstransaktionen sind Grundlage für Verbrauchsstatistiken. Solche Statistiken bilden zusammen mit ABC-Analysen, XYZ-Analysen und weiteren Auswertungen die Grundlage für Verfahren zum stochastischen Materialmanagement – insbesondere auch für die Bedarfsvorhersage. Dieses Kapitel behandelt die Umsetzung von vorhergesagten Bedarfen in Produktions- oder Beschaffungsvorschläge, durch die Aufgabe Materialmanagement im stochastischen Fall. Hierzu wird das Bestellbestandverfahren vorgestellt, das wegen seiner Einfachheit weit verbreitet ist.Infolge der Ungenauigkeit der Bedarfsvorhersage und der Durchlaufzeit wird ein Sicherheitsbestand geführt, der die Differenz zwischen Vorhersage und aktuellem Verbrauch sowie Schwankungen in der Durchlaufzeit berücksichtigt. Die Höhe des Sicherheitsbestands beeinflusst die Lieferausfallwahrscheinlichkeit, die Bestandshaltungskosten und schliesslich auch den Lieferbereitschaftsgrad. Die stochastische Methode zur Losgrössenrechnung, die in diesem Kapitel vorgestellt wird, ist wenigstens gegenüber Vorhersagefehlern und lediglich halbwegs bekannten Ausgangsgrössen robust.