Bachelorarbeitsthemen Wintersemester 2020/21 Area Supply Chain Management Prof. Sting • Prof. Tempelmeier • Prof. Thonemann Letzte Aktualisierung: Juli 3, 2020 Thema 1 Supply Chain 4.0 ............................................................................................................. 2 Thema 2 Künstliche Intelligenz im Supply Chain Management ................................................... 3 Thema 3 Big Data Analytics / Machine Learning in Supply Chain Management ........................ 4 Thema 4 eCommerce Supply Chain Strategies ............................................................................. 5 Thema 5 Service Operations Management .................................................................................. 6 Thema 6 Sustainable Supply Chain Management ........................................................................ 7 Thema 7 Aktuelle Forschungsthemen SCMMS ............................................................................. 8 Thema 7a Human vs. Machine - How do people interact with algorithms & decision support? . 8 Thema 7b Too early, too late, or just in time? – Influencing factors and prediction approaches for supplier lead times ............................................................................................ 9 Thema 7c The power of confusion matrices - How to describe the performance of a classification test? .................................................................................................................... 10 Thema 8 Projektmanagement und Innovation .......................................................................... 11 Thema 9 Supply Chain Innovation .............................................................................................. 12 Thema 10 Supply Chain Strategy................................................................................................... 13 Thema 11 Supply Chain Strategie – Lokalisierung und Verkürzung von Supply Chains.............. 14 Thema 12 Supply Network Planning / Aggregierte Planung ........................................................ 15 Thema 13 Losgrößen- und Ressourceneinsatzplanung ................................................................ 16
16
Embed
Bachelorarbeitsthemen Wintersemester 2020/21 Area Supply ...
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Bachelorarbeitsthemen Wintersemester 2020/21
Area Supply Chain Management Prof. Sting • Prof. Tempelmeier • Prof. Thonemann
Thema 3 Big Data Analytics / Machine Learning in Supply Chain Management
Heutzutage werden in Unternehmen immer mehr Informationen über Prozesse in der Supply Chain ge-
speichert. Um diese großen Datenmengen zu analysieren und zur Entscheidungsunterstützung zu nut-
zen, können Big Data Analytics Methoden eingesetzt werden. So können zum Beispiel Maschinen vo-
rausschauend gewartet werden (Thema 1) oder Kundenabwanderungen zur Konkurrenz vorhergesagt
werden (Thema 2).
1) Vergleich von Reactive, Preventive und Predictive Maintenance
Früher mussten Maschinen erst ausfallen, bevor sie repariert wurden (Reactive Maintenance). Al-
ternativ können Wartungszyklen festgelegt werden (Preventive Maintenance) oder mit Machine
Learning Maschinendaten analysiert und Ausfälle vorhergesagt werden (Predictive Maintenance).
In Ihrer Bachelorarbeit geben Sie einen Überblick über die Landschaft unterschiedlicher Mainte-
nance Strategien. Was sind die Faktoren, die die Entscheidung für eine der Strategien in Unterneh-
men beeinflussen? Welche Rolle spielen verschiedene Kosten und unter welchen Voraussetzungen
sind die Wartungskonzepte wirtschaftlich?
2) Churn Prediction – Ein Framework zur Prognose von Kundenabwanderung mit Machine Learning
Mit Machine Learning (ML) können Muster in Daten erkannt und automatisiert genutzt werden. So
kann zum Beispiel ein Zusammenhang hergestellt werden zwischen Daten über Kundenverhalten
und der Abwanderung von Kunden zu Wettbewerbern. Eine korrekte Prognose von Kundenabwan-
derung birgt großes Potenzial: Sie gibt Unternehmen die Möglichkeit, Maßnahmen zu ergreifen, um
Kunden zu halten. In Ihrer Bachelorarbeit können Sie verschiedene Fragestellungen betrachten:
Wie lässt sich Kundenabwanderung bei nicht-vertraglichen Kundenbeziehungen definie-
ren? Wie beeinflusst die Definition die Nutzung der Prognoseergebnisse?
Welche Anforderungen ergeben sich an die Qualität von Klassifizierungsalgorithmen, damit
Churn Prediction wirtschaftlich ist?
Wie lässt sich Saisonalität in der Kundenabwanderungsprognose berücksichtigen?
Wie werden Zeitaspekte in der Modellierung von Churn Prediction Algorithmen berücksich-
tigt? Welche Empfehlungen lassen sich für den Einsatz in der Praxis ableiten?
Einführungsliteratur
Carnero, M. (2006). An evaluation system of the setting up of predictive maintenance pro-grammes. Reliability Engineering & System Safety, 91(8), 945–963.
Buckinx, W., & Van Den Poel, D. (2005). Customer base analysis: Partial defection of behaviour-ally loyal clients in a non-contractual FMCG retail setting. European Journal of Operational Re-search, 164(1), 252–268.
Rachid, A. D., Abdellah, A., Belaid, B., & Rachid, L. (2018). Clustering prediction techniques in de-fining and predicting customers defection: The case of e-commerce context. International Journal of Electrical and Computer Engineering, 8(4), 2367–2383.
Clemente-Císcar, M., San Matías, S., & Giner-Bosch, V. (2014). A methodology based on profita-bility criteria for defining the partial defection of customers in non-contractual settings. European Journal of Operational Research, 239(1), 276–285.
Gür Ali, Ö., & Arıtürk, U. (2014). Dynamic churn prediction framework with more effective use of rare event data: The case of private banking. Expert Systems with Applications, 41(17), 7889–7903.
Der Brundtland Bericht „Unsere gemeinsame Zukunft“ der Weltkommission für Umwelt und Entwick-
lung der Vereinten Nationen gilt als die Geburtsstunde des Sustainable Supply Chain Managements. In
dem Bericht wird nachhaltige Entwicklung wie folgt definiert:
„Nachhaltige Entwicklung ist eine Entwicklung, die die Bedürfnisse der Gegenwart befriedigt, ohne zu
riskieren, dass künftige Generationen ihre eigenen Bedürfnisse nicht befriedigen können.“ (WCED,
1987, S. 43)
In den vergangenen drei Jahrzehnten wurden die ökologische sowie soziale Nachhaltigkeit unterneh-
merischer Tätigkeit zu wichtigen Kriterien neben den klassischen Einflussfaktoren einer Supply Chain.
Diese zwei Hauptdimensionen des Sustainable Supply Chain Managements beeinflussen sowohl die
strategische Ausrichtung und Struktur der gesamten Supply Chain, als auch die Planung und Prozessab-
läufe innerhalb der einzelnen Mitglieder der Supply Chain. Daraus ergeben sich spannende Fragestel-
lungen für Ihre Bachelorarbeit:
1) Die ökologische Dimension von Sustainable Supply Chain Management – Unter dem Begriff
Green Supply Chain Management wird in der Literatur die ökologische Dimension von
Sustainable Supply Chain Management verstanden. Darunter fällt unter Anderem Recycling,
Reverse Logistics sowie beispielsweise Green Purchasing.
a. Sie stellen die ökologische Dimension des Sustainable Supply Chain Managements vor. Dar-
über hinaus identifizieren Sie Trends und nennen Schlüsselfaktoren und Initiatoren für den
heutigen Trend (Technologischer Fortschritt, Gesetzgebung, Wertevorstellung des Unter-
nehmens bzw. der Gesellschaft etc.).
b. Sie stellen die ökologische Dimension des Sustainable Supply Chain Managements vor.
Sie stellen die Unterschiede zwischen einer Green Supply Chain und dem klassischen Supply
Chain Management in der strategischen Ausrichtung bis hin zum operativen Handling her-
aus. Dabei diskutieren Sie Herausforderungen und Chancen im Allgemeinen und stellen Er-
folgsfaktoren anhand eines Beispiels dar.
2) Die soziale Dimension von Sustainable Supply Chain Management – Ashby et al (2012) definie-
ren Social Sustainable Supply Chain Management als das Management von sozialen Ressourcen
wie Human und Gemeinschafts-Kapital innerhalb und außerhalb einer Supply Chain. Darüber
hinaus werden der sozioökonomische und –ökologische Einfluss der Supply Chain als Schlüssel-
faktoren definiert. In der Praxis wird oft von der Corporate Social Responsibility in diesem Zu-
sammenhang gesprochen.
Sie definieren Social Sustainable Supply Chain Management und identifizieren heutige Trends.
Sie stellen die Auswirkungen der Corporate Social Responsibility auf die Strategie und Prozesse
einer Supply Chain im Vergleich zum klassischen Modell heraus. Dabei berücksichtigen Sie die
Ausrichtung auf interne sowie externe Faktoren anhand eines Beispiels aus der Praxis.
Einführungsliteratur
Ashby A, Leat M, Hudson-Smith M (2012) Making Connections: A Review of Supply Chain Management
and Sustainability Literature. Supply Chain Management: An International Journal 17(5): 497-516.
World Commission on Environment and Development (1987) Our Common Future (S.43) Oxford Uni-versity Press, Oxford.
Thema 7 Aktuelle Forschungsthemen SCMMS
Gerne können Sie Ihre Bachelorarbeit auch zu den aktuellen Forschungsbereichen des SCMMS Lehr-stuhls schreiben. Wir bieten spannende Themen aus den Bereichen
Behavioral Operations
Inventory Management
Crew Scheduling
Churn Prediction
Je nach Interesse können verschiedenste Methodiken eingesetzt werden:
Simulation
Machine Learning
mathematische Modellierung
numererische Studie
Literaturüberblick
Experiment
…
Wenn Sie Interesse an diesem Themenkomplex haben, kontaktieren Sie bitte Frau Christiane Haubitz ([email protected])
Thema 7a Human vs. Machine - How do people interact with algorithms & decision support?
Navigation with google maps, finding the best restaurant in town, or picking the next TV show on Netflix
to watch – we rely on algorithms in our everyday life. Nevertheless, when it comes to supply chain
topics like forecasting, inventory planning, or supply contracts, observations in literature and practice
indicate that people tend to overrule algorithms and prefer to make decision on their own.
With your Bachelor thesis you give a structured overview of existing approaches, theories, and experi-
ments in the Literature and derive means to improve the interaction of decision makers and decision
support tools.
Related Literature:
Dietvorst, B. J. (2016). Algorithm aversion (University of Pennsylvaina). University of Pennsylvaina, Pennsylvania, USA.
Prahl, A., & Van Swol, L. (2017). Understanding algorithm aversion: When is advice from automation discounted? Journal of Forecasting, 36(6), 691–702.
Logg, Jennifer M. "Theory of Machine: When Do People Rely on Algorithms?" Harvard Business School
Thema 7b Too early, too late, or just in time? – Influencing factors and prediction approaches
for supplier lead times
Lead times are a main driver for determining inventory control parameters like order up to levels and
safety stocks. If the actual lead time deviates from the planned lead time, inventory levels can be either
to low (resulting in a high risk of stock out and violated service levels) or too high (leading to excess
inventory). Therefore, the accuracy of planned lead times is crucial for efficient stock management. The
prediction of those lead times, however, is a demanding and complex task since lead times are often
volatile and influenced by many factors outside the scope of the focal company.
With your Bachelor thesis you give a structured overview of factors influencing lead times at companies
and existing approaches to determine lead times in literature and practice.
Related Literature:
Arıkan, E., Fichtinger, J., & Ries, J. M. (2014). Impact of Transportation Lead-Time Variability on the Economic and Environmental Performance of Inventory Systems. International Journal of Produc-tion Economics (157), 279–288.
Banerjee, A. G., Yund, W., Yang, D., Koudal, P., Carbone, J., and Salvo, J. (2015). A Hybrid Statistical
Method for Accurate Prediction of Supplier Delivery Times of Aircraft Engine Parts. Volume 1B: 35th Computers and Information in Engineering Conference. ASME.
Liu, J., Hwang, S., Yund, W., Boyle, L. N., and Banerjee, A. G. (2018). Predicting Purchase Orders Delivery
Times Using Regression Models with Dimension Reduction. Volume 1B: 38th Computers and In-formation in Engineering Conference. ASME.
Thema 7c The power of confusion matrices - How to describe the performance of a classification
test?
Recommender systems, medical testing or spam recognition – there are many application areas for binary classification algorithms and tests. Taking medical tests as an example, their outcomes can have a major impact on a patient’s treatment and course of disease. Nevertheless, from a statistical point of view, these tests are usually not perfect and bare the risk of false positives or false negatives – i.e., the test incorrectly identifies a patient as infected or not infected. There are many ways to de-scribe the risk of such a false outcome and there is no gold standard to report the quality of a classifi-cation test or algorithm. For example, the quality of a medical test is usually reported by its sensitivity and specificity, whereas the performance of a machine learning classifier is often characterized by its precision and recall. While there is no right or wrong, research has discovered that people can understand certain ways of reporting better than others. For example, Gigerenzer and Hoffrage (1995) found out that frequency formats (e.g. giving numerical examples) lead to a much better understanding than probabilities. However, there is still no answer to the question which quality measures can be understood best by humans. In this bachelor thesis, you focus on comparing different domains and their reporting standards for the quality of classification test. Your work can also build upon a certain example (e.g. a machine learning classifier). You could further look into the comprehensibility and perception of various quality measures and reporting standards. Is there a “best way” to report the quality of a classification test in a comprehensible way? You and your supervisor will discuss the actual focus of the thesis in the first meetings. Related Literature:
Gigerenzer, G. and Hoffrage, U., 1995. How to improve Bayesian reasoning without instruction: fre-quency formats. Psychological review, 102(4), p.684. Díaz, C. and De La Fuente, I., 2007. Assessing students’ difficulties with conditional probability and Bayesian reasoning. International Electronic Journal of Mathematics Education, 2(3), pp.128-148. Tipping, M.E., 2003, February. Bayesian inference: An introduction to principles and practice in ma-chine learning. In Summer School on Machine Learning (pp. 41-62). Springer, Berlin, Heidelberg. Ansprechpartner: Cedric Lehmann ([email protected])
Vor dem Hintergrund der immer umfassenderen Digitalisierung in verschiedenen Bereichen der Supply
Chain, stellt sich die Frage nach dem Stellenwert des einzelnen Mitarbeiters. Inwieweit beeinflusst der
Einzelne den Erfolg der Lieferkette, wie verändert sich der Umgang mit den Mitarbeitern im Zuge von
Industrie 4.0 und inwiefern trägt der einzelne Mitarbeiter zur Sicherstellung des langfristigen Erfolges
bei? Welche Aspekte sind in diesem Zusammenhang zu beachten?
In diesem Zuge ergeben sich für Ihre Bachelorarbeit zum Beispiel folgende Themenfelder:
1) Frontline Innovation: Geben Sie einen ausführlichen Überblick über die aktuelle Forschungslite-
ratur, setzten Sie sich kritisch mit dem Thema Frontline Innovation auseinander und untersu-
chen Sie in welchen Feldern Frontline Innovation ein bewährtes Mittel für innovativere Pro-
zesse ist. Was bedeutet Frontline Innovation und unter welchen Voraussetzungen wird darauf
zurückgegriffen? Kommt es für alle Branchen und Unternehmensgrößen in Frage und inwieweit
ist der Ansatz sinnvoll umzusetzen? Ist der Begriff eindeutig von anderen Formen des Ideenma-
nagements abzugrenzen oder nur ein weiterer Begriff im Innovationsspektrum?
2) Supply Chain Management and Leadership: Inwieweit tragen Führungskräfte dazu bei, Prozesse
effizienter und innovativer zu gestalten? Welche Probleme können dabei auftreten und welche
Methoden und Strategien können bei einer Umsetzung hilfreich sein? Welche Rolle spielen die
einzelnen Mitarbeiter und wie können diese miteinbezogen werden? Geben Sie einen ausführ-
lichen Überblick über die aktuelle Forschungsliteratur und arbeiten Sie einen fundierten Zusam-
menhang zwischen erfolgreichem Supply Chain Management und verschiedenen Führungsver-
halten heraus. Analysieren und vergleichen Sie hierzu beispielweise die Führungsstile innovati-
ver Unternehmen.
3) Top-Down vs. Bottom-up: Der Einbezug der eigenen Mitarbeiter ist nicht zuletzt durch Toyota
berühmt geworden. Das auch die eigenen Mitarbeiter einen Beitrag zu den Innovationsbemü-
hungen des Unternehmens liefern können, scheint eine immer anerkanntere Perspektive dar-
zustellen. Wie aber genau muss eine Unternehmenskultur beschaffen sein, damit so etwas
möglich ist? Ist der Bottom-Up Ansatz ein Modell für die Zukunft oder zeigen Unternehmen auf
der anderen Seite, dass auch Top-Down Innovationen nachhaltig zum Erfolg führen? Geben Sie
einen strukturierten Überblick über den aktuellen Stand der Forschungsliteratur und setzen Sie
sich kritisch damit auseinander. Welches Bild lässt sich in der Zukunft erwarten? Welches Mo-
dell ist erfolgsversprechender im langfristigen Vergleich?
Cadwallader, S., Jarvis, C. B., Bitner, M. J., & Ostrom, A. L. (2010). Frontline employee motivation to
participate in service innovation implementation. Journal of the Academy of Marketing Science, 38(2),
219–239.
Bass, B. M., & Riggio, R. E. (2006). Transformational leadership. Psychology press. Huffman, R. C., & Hegarty, W. H. (1993). Top management influence on innovations: Effects of execu-tive characteristics and social culture. Journal of management, 19(3), 549-574. Ansprechpartner: Felix Mosner ([email protected])
Thema 11 Supply Chain Strategie – Lokalisierung und Verkürzung von Supply Chains
Die Wahl von Produktionsstandorten und Zulieferern hat langfristige Auswirkungen und kann über Er-
folg und Misserfolg produzierender Unternehmen entscheiden. Im Zuge der Globalisierung wurden
viele Fertigungsstufen insbesondere in Niedriglohnländer ausgelagert. Verkürzte Produktlebenszyklen,
Nachfrageschwankungen, Forderungen nach schnelleren Markteinführungszeiten und steigende Kos-
ten vor Ort sind Faktoren, die ein Hinterfragen dieser Strategie forcieren. Wann und in welcher Form
sind Rückverlagerungen sinnvoll? Welche Effekte bringen sie mit sich?
Vor diesem Hintergrund gilt es zu untersuchen, inwieweit in der Strategieplanung der Fokus auf die
Lokalisierung und Verkürzung von Supply Chains gerichtet werden sollte.
Für Ihre Bachelorarbeit können sich beispielsweise folgende Fragestellungen ergeben:
1) Globale Supply Chains – Wie und wo fertigen Unternehmen? Wie viele Stufen haben typische
Supply Chains, wo sind diese verortet und wie transparent sind sie dargestellt? Offshoring vs.
Reshoring: Gibt es Industrien, in denen sich eine Strategie durchsetzt? Welche Auswirkungen
hat die Länge der Supply Chain auf Unternehmensprozesse und die Kunden? Analysieren Sie
bestehende Forschungsliteratur und geben Sie einen ausführlichen Überblick über den Status
quo. Gehen Sie dabei auch auf erfolgreiche/gescheiterte Projekte ein.
2) Supply Chain Transparenz – Kunden interessieren sich zunehmend für die Herkunft der Pro-
dukte. Vielfach wird dies als Ruf nach lokaler Produktion verstanden. Ist Reshoring die einzige
Antwort oder ist nicht vielmehr die Transparenz über die Supply Chain gewünscht? Im Zuge der
vierten industriellen Revolution schaffen Unternehmen mithilfe von AutoID und unterneh-
mensübergreifender Vernetzung Transparenz über Ihre Prozesse. Kann die geschaffene Trans-
parenz die Frage des Kunden nach der Produktherkunft schon zufriedenstellend beantworten?
Inwieweit beeinflusst die Herkunft des Produktes die Kaufentscheidung des Kunden? Geben Sie
einen strukturierten Überblick über relevante Literatur und analysieren Sie dies beispielsweise
mithilfe von Umfragen oder eines Experiments.
3) Reshoring in der Praxis – In den vergangenen Jahren haben einige Unternehmen ihre Produkti-
onen wieder aus dem Ausland rückverlagert. Geben Sie einen Überblick über repräsentative
Reshoring-Projekte oder analysieren Sie ein erfolgreiches/gescheitertes Reshoring-Projekt im
Rahmen einer Fallstudie und reflektieren Sie kritisch die Folgen.
Einführungsliteratur
Baroncelli, Alessandro; Belvedere, Valeria; Serio, Luigi (2017): Offshoring Versus Reshoring? Rather, Shouldn’t It Be Rightshoring? In: Alessandra Vecchi (Hg.): Reshoring of Manufacturing. Cham: Springer International Publishing (Measuring Operations Performance), S. 39–56. Benstead, Amy V.; Stevenson, Mark; Hendry, Linda C. (2017): Why and how do firms reshore? A contin-gency-based conceptual framework. In: Operations Management Research 10 (3-4), S. 85–103. DOI: 10.1007/s12063-017-0124-5 Kinkel, Steffen (2019): Zusammenhang von Industrie 4.0 und Rückverlagerungen ausländischer Produk-tionsaktivitäten nach Deutschland. Forschungsinstitut für gesellschaftliche Weiterentwicklung e. V. (FGW). Düsseldorf Ansprechpartner: Marietta Rollmann ([email protected])