Optimierung des Bestandsmanagements im Remanufacturing

Die Profitabilität des Remanufacturing hängt entscheidend von einem effizienten Bestandsmanagement ab, das den Kundenbedarf durch eine geeignete Kombination aus Gebraucht- und Neuteilen deckt. Konventionelle Bestandsmanagementsysteme sind jedoch überwiegend auf die Produktion von neuen Produkten ausgerichtet und basieren auf deterministischen Annahmen. Sie sind daher nur bedingt in der Lage, die für das Remanufacturing charakteristischen Unsicherheiten sowie die daraus resultierenden kurzen Planungshorizonte adäquat abzubilden. Vor diesem Hintergrund verfolgt die vorliegende Arbeit das Ziel, das Bestandsmanagement von Neuteilen im Remanufacturing zu optimieren. Hierfür wurde ein datengetriebener Ansatz zur Bedarfsprognose entwickelt, der durch ein flexibles Modell zur Bestellmengenplanung ergänzt wird. Dieses Modell berücksichtigt Unsicherheiten in Rücknahmemengen und -zuständen und ermöglicht so eine hohe Lieferfähigkeit bei gleichzeitig geringen Kosten. Die entwickelte Vorgehensweise orientiert sich am CRISP-DM-Referenzmodell und wird durch ein mathematisches Optimierungsverfahren zur Bestellmengenplanung erweitert. Der Ansatz umfasst sieben Schritte – von Geschäfts- und Datenverständnis über Datenaufbereitung, Modellierung und Evaluierung bis hin zur Bestellmengenplanung und Bereitstellung. Prognosemodelle für Rücknahmemengen, Zustände und Verwertungsquoten von Gebrauchtteilen werden dabei in ein stochastisches Optimierungsmodell überführt. Die entwickelte Lösung kann flexibel in bestehende Planungssysteme integriert werden. Die Praxistauglichkeit der Vorgehensweise wurde anhand eines industriellen Anwendungsfalls bei einem Hersteller und Remanufacturer mechatronischer Komponenten und Systeme überprüft. Die Ergebnisse zeigen, dass durch die Kombination datengetriebener Prognosemodelle mit einem stochastischen Optimierungsmodell erhebliche Reduktionen von Bestell- und Lagerhaltungskosten erzielt werden können, ohne die Einhaltung des Servicegrades zu beeinträchtigen.