1 / 25

Stefan Kamp

Empirische Untersuchung zur Ermittlung der On-Shelf Availability bei real,- Ergebnisse von der Projektplattform Advanced Optimal Shelf Availability (AdOSA). Stefan Kamp. Guido Höller. Logistics Manager SCA Tissue Europe. Corporate Information Management METRO AG. Agenda.

Download Presentation

Stefan Kamp

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Empirische Untersuchung zur Ermittlung der On-Shelf Availability bei real,-Ergebnisse von der Projektplattform Advanced Optimal Shelf Availability (AdOSA) Stefan Kamp Guido Höller Logistics Manager SCA Tissue Europe Corporate Information Management METRO AG

  2. Agenda • Vorstellung METRO Group und SCA Tissue Europe • Vorstellung AdOSA • Ergebnisse und Erkenntnisse der Erhebungen • Analyse: On-Shelf Availability • Analyse: Kundenreaktionsmessung • Maßnahmen zur Verbesserung der Regalverfügbarkeit Agenda

  3. METRO AG Querschnittsgesellschaften Vorstellung METRO Group METRO Group

  4. Highlights Umsatz 05: EUR 2.046 Mio 27 % 73 % Vorstellung SCA Tissue Europe -eine Division des SCA-Konzerns • Markführer Tissueprodukte in Europa • Marktanteil in Europa etwa 20 % bei Tissue • Starke Eigenmarken und Herstellung hochwertiger Handelsmarken • rund 8.000 Mitarbeiter • 28 Werke in Europa SCA Tissue Europe Consumer Tissue AFH Tissue …und viele andere

  5. Verbindung AdOSA und GS1 OSA-Fachgruppe Projektplattform AdOSA Leitung: Anna-Magdalena Krasutzki Thorsten Pollmüller Leitung: Prof. Dr. Wolfgang Stölzle Prof. Dr. Roland Helm GS1 und AdOSA Steering Committee: Prof. Dr. W. Stölzle * Prof. Dr. R. Helm * Jörg Pretzel

  6. OoS-Messung (Datenbasis) Demand Side Szenario Supply Side Szenario Kunden- verhalten Root Causes OoS Einflussfaktoren Einflussfaktoren Bewertung von OoS Empfehlung für integrative Logistikkonzepte Was ist AdOSA?(AdOSA: Advanced Optimal Shelf Availability) AdOSA bietet eine ganzheitliche BetrachtungsweiseSowohl die Supply side als auch die Demand side wird in die Betrachtung mit einbezogen AdOSA

  7. AdOSA - Teilnehmer Kernkompetenzen aus der Wissenschaft und den unterschiedlichsten Bereichen der Supply Chain eingebunden Universitäten Handel St. Gallen (CH) Jena (DE) Duisburg (DE) METRO/Real Migros Woolworth Teilnehmer Hersteller Spediteure SCA Tissue Europe Melitta / IS4 Hermko Thiel FashionLifestyle Rhenus Retail Logistics IT Marktforschung SAP SAF TNS infratest

  8. AdOSA Vorgehensweise Kick-off 22.Sept.05 Q1/07 Q1/06 Q4/06 Q2/07 Q3/06 2. Erhebung (offen) Vereinb.von Maßnahmen 1. Erhebung (verdeckt) Projekt-abschluß Abschl. Analyse OOS-Quoten erste Analysen Projektphasen OOS-Quoten Root Cause Analysen Kundenbefragungen erste HandlungsempfehlungenKonzept zur autom. OOS-Erkennung Umsetzen vonintegrativen Logistik-konzepten

  9. Erhebung 1 – Überblick

  10. Out-of-Stock + NOSBOS = Out-of-Shelf Abgrenzung der Begriffe • Out-of-Shelf: Regallücke zum Zeitpunkt der Erhebung • Out-of-Stock: Regallücke OHNE Marktbestand • NOSBOS: Regallücke MIT Marktbestand Out-of-Shelf, Out-of-Stock und NOSBOS

  11. Logistik (z.B. zu lange Bestell- rythmen oder zu hohen Mindest- bestellmengen, dadurch zu hohe Wareneingänge  keine direkte Verräumung der Ware in das Regal möglich) Ursachen in der vorgelagerten Supply Chain … Personal (z.B. schlecht geschult, Personaleinsatzplan, …) Ursachen inner- halb der Filiale Lagerhaltung (z.B. Unordentliche Lagerhaltung, daher kann Ware nicht gefunden werden) Ergebnis Erhebung 1 –Alle 96 AdOSA-Artikel Mögliche Ursachen von NOSBOS Analyse alle Artikel (AdOSA) – Erhebung 1 Verdeckte Erhebung

  12. Logistik (z.B. zu lange Bestell- rythmen oder zu hohen Mindest- bestellmengen, dadurch zu hohe Wareneingänge  keine direkte Verräumung der Ware in das Regal möglich) Ursachen in der vorgelagerten Supply Chain … Personal (z.B. schlecht geschult, Personaleinsatzplan, …) Ursachen inner- halb der Filiale Lagerhaltung (z.B. Unordentliche Lagerhaltung, daher kann Ware nicht gefunden werden) Ergebnis Erhebung 1 –36 Hygienepapierartikel (AdOSA) Mögliche Ursachen von NOSBOS Analyse Hygienepapier (AdOSA) – Erhebung 1 Verdeckte Erhebung

  13. Vergleich NOSBOS AdOSA vs. NOSBOS Statistical • Die NOSBOS Werte liegen deutlich unter dem Durchschnitt aus den NOSBOS Statistical Berechnungen. • Das erklärt sich weitgehend dadurch, dass in der NOSBOS Statistical Studie der Anteil von Schnelldrehern höher ist und die Berechnung auf dem Systembestand und nicht auf dem erhobenen Marktlagerbestand basiert. NOSBOS AdOSA vs. Statistical

  14. Erhebung 2 - Überblick * Die Quoten der 2. Messung resultieren aus den Berechnungen der METRO Group und sind noch nicht mit den anderen AdOSA-Projektpartnern abgestimmt.

  15. Die Out-of-Stock Quote entspricht ungefähr der Quote aus der Erhebung 1. Die NOSBOS Quote ist deutlich niedriger als bei der Erhebung 1  Management Awareness durch offene Erhebung Ergebnis der Erhebung 2 –Alle 103 AdOSA-Artikel Analyse alle Artikel (AdOSA) – Erhebung 2 Offene Erhebung

  16. Ergebnis der Erhebung 2 –Alle 103 AdOSA-Artikel Analyse alle Artikel (AdOSA) – Erhebung 2 Offene Erhebung

  17. Die Out-of-Stock Quote entspricht ungefähr der Quote aus der Erhebung 1. Die NOSBOS Quote ist deutlich niedriger als bei der Erhebung 1  Management Awareness durch offene Erhebung Ergebnis der Erhebung 2 –43 Hygienepapierartikel (AdOSA) Analyse Hygienepapier (AdOSA) – Erhebung 2 Offene Erhebung

  18. Ergebnis der Erhebung 2 –43 Hygienepapierartikel (AdOSA) Analyse Hygienepapier (AdOSA) – Erhebung 2 Offene Erhebung

  19. 2,3% 20,9% 7,0% 7,0% 2,3% 14,0% 4,7% 14,0% 14,0% 14,0% Ergebnis der 2. Erhebung – Root causes SCA Tissue Europe Produktion2,3 % Zu späte Produktion / Kapazitätsengpässe Bestands-pflege 20,9 % Fehler im Bestand Personal hatte keine Zeit Regal-befüllung16,3 % Personal hat OOS nicht erkannt Gelieferter Artikel noch in der Warenannahme OOS = 4,7 % Artikel bewusst nicht bestellt Fehler bei der Prognose Bestellung 60,7 % Bestellung erfolgte zu spät Mindestwarenwert nicht erfüllt Mindestbestellmenge nicht erfüllt

  20. Ergebnis der 2. Erhebung – OOS bei verschiedenen Lieferwegen OOS-QuoteKategorie Hygieneprodukte 6,6 % 7,0% DurchschnittlicheDauer von OOS 6,0% 5,0% Lieferwege 3,0 Tage 4,0% 1,3 Tage 3,0% 2,0% 1,3 % 1,0% 0,0% Zentrallagerdes Handels Streckenlieferung

  21. Ergebnis der 2. Erhebung – Kundenbefragung – Vergleich mit Meta-Studie Messung real,- (2006) Studie Gruen/Corsten (2003)* Kaufaufschub Markenwechsel Markenwechsel Kaufaufschub 17% 24% 20% 25% Kauf-abbruch 11% 4% Kaufabbruch 32% 18% Geschäfts- wechsel Geschäfts- wechsel 20% 29% Varianten-/ Packungsgrößenwechsel Varianten-/ Packungsgrößenwechsel Bei real,- hohe Loyalität gegenüber der Filiale im Vergleich zur Meta-Studie von Gruen/Corsten *Source: Retail Out-of stocks: A worldwide Examination of Extent, Causes and Consumer Responses; Gruen/Corsten 2003

  22. Ergebnis der 2. Erhebung – Kundenreaktion bei hypothetischem OOS bei Tissue Kaufaufschub 13% Markenwechsel 32% Packungsgrößen-wechsel 13% Herstellerversluste 37 % Kundenreaktionen Kaufabbruch Variantenwechsel 5% Händler-verluste 16 % 26% Geschäftswechsel 11%

  23. Maßnahmen (METRO Group) 1. Statistisches Verfahren zur Aufdeckung von NOSBOS • Ziel: • Gezielte und schnelle Erkennung von NOSBOS für eine große Artikelanzahl auf Basis der SAF Superstore Daten • Projektbeschreibung: • Für jeden Artikel wird eine theoretische Abverkaufskurve angenähert. • Übersteigt die Wartezeit zwischen zwei Abverkäufen eines Artikels einen kritischen Wert, wird eine Regallücke vermutet. • In diesem Fall wird ein Projektmitarbeiter auf die mögliche Regallücke hingewiesen und kann die Meldung auf Richtigkeit überprüfen. 2. RFID – Split Inventory • Ziel: • Verbesserung der Regalverfügbarkeit durch RFID-Tags • Automatische Erstellung von Verräumlisten  systemseitige Unterstützung der Verräumung mit wenig Personaleinsatz • Projektbeschreibung: • Einsatz von RFID auf Case-Ebene entlang der gesamten Supply Chain (inklusive eines Messpunktes zwischen Marktlager und Verkaufsfläche) • Getrennte Bestandsführung (Marktlager vs. Verkaufsfläche) zur schnellen und gezielten Erkennung von NOSBOS Maßnahmen METRO Group

  24. Handlungsempfehlungen / Fazit (SCA) • Sensibilisierung und Unterstützung des SCA-Außendienstes • Abgleich der Ist-Situation mit der Listung • Abgleich des erwarteten Abverkaufs mit den Bestellungen • Hinweise an den Filialleiter: • häufig sind kürzere Liefertermine möglich (Strecke) • bei Bestellung eines bestimmten Produktes können Einzel- Packungen anstelle ganzer Paletten genommen werden • Lieferweg • Umstellung bestimmter Sortimente auf Zentrallagerbelieferung unter Berücksichtigung von Mengen und Kosten • Wegfall des Problems „Mindestbestellmenge“ Vorläufiges Fazit

  25. Vielen Dank für IhrInteresse. guido.holler@sca.com www.sca.com www.scatissueeurope.com stefan.kamp@metro.de www.metrogroup.de

More Related