Empirische Untersuchung zur Ermittlung der On-Shelf Availability bei real,-
Sponsored Links
This presentation is the property of its rightful owner.
1 / 25

Stefan Kamp PowerPoint PPT Presentation


  • 176 Views
  • Uploaded on
  • Presentation posted in: General

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.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


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

  • 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


METRO AG

Querschnittsgesellschaften

Vorstellung METRO Group

METRO Group


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


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


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


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


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


Erhebung 1 – Überblick


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


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


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


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


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.


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


Ergebnis der Erhebung 2 –Alle 103 AdOSA-Artikel

Analyse alle Artikel (AdOSA) – Erhebung 2

Offene Erhebung


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


Ergebnis der Erhebung 2 –43 Hygienepapierartikel (AdOSA)

Analyse Hygienepapier (AdOSA) – Erhebung 2

Offene Erhebung


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


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


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


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%


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


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


Vielen Dank für IhrInteresse.

[email protected]

www.sca.com

www.scatissueeurope.com

[email protected]

www.metrogroup.de


  • Login