Marktnahe Absatzprognose als Grundlage zur Kundenorientierung der Supply Chain in der Automobilindustrie

ISBN-13: 9783838691053 / Niemiecki / Miękka / 2005 / 116 str.

Ole Tangermann

Opis

Studienarbeit aus dem Jahr 2003 im Fachbereich BWL - Beschaffung, Produktion, Logistik, Note: 1,0, Technische Universitat Berlin (Wirtschaft und Management, Technologie und Management), Sprache: Deutsch, Abstract: Inhaltsangabe: Einleitung: Die Automobilindustrie steht durch wachsende Kundenanforderungen bei einem Kaufermarkt und starkem Konkurrenzkampf infolge der Marktsattigung unter Wettbewerbsdruck. Von den Herstellern wird verlangt, dass sie ein auf den Kaufer zugeschnittenes Produkt innerhalb kurzester Zeit liefern konnen. Die hohe Komplexitat und Variantenvielfalt der Produkte, die mehrstufigen Zulieferernetzwerke, die produktionstechnischen Bedingungen der Automobilproduktion sowie das Distributionssystem stehen jedoch einer direkten und schnellen Marktbedienung entgegen. Der Wunsch nach kundenspezifisch gefertigten Produkten mit niedriger Lieferzeit fordert die technischen und okonomischen Grundsatze der individualisierten Massenproduktion heraus. Aufgrund hoher Kapitalintensitat und dem Auslastungsrisiko der Produktionsanlagen, erheblicher Lagerkosten, komplexer Produktionsplanungsprozesse und Lieferzeiten, welche die Kundenerwartungen ubersteigen, sind die Hersteller dazu gezwungen, einen erheblichen Planungsvorlauf einzuhalten. Nicht allen Fahrzeugen, die in die Produktion eingesteuert werden, liegen demnach Kundenbestellungen zugrunde. Im Zuge der verstarkten Kundenorientierung befindet sich die Industrie in der Migrationsphase von Build-to-Stock zu Build-to-Order-Systemen, um die Leistung der gesamten Supply Chain durch das Pull-Prinzip am Kunden auszurichten. Um die Planungssicherheit zu erhohen und die nicht kundenbelegten Fahrzeuge moglichst kundenorientiert zu fertigen, setzen Hersteller und Vertrieb ein historisch gewachsenes Instrumentarium an Planungs- und Prognosemethoden ein. Die Prognoseverfahren greifen jedoch auf historische, nicht marktnahe Daten zu und orientieren sich an veralteten Planungsidealen. Dadurch bleiben erhebliche Optimierungs