Advanced methods of management research III - Cheatsheet

Theorieentwicklung und Modellbildung in der Logistik

Definition:

Details:

• Theorieentwicklung: Entwicklung von Theorien zur Erklärung logistischer Phänomene.
• Modellbildung: Abstraktion der Realität, um logistische Prozesse zu analysieren und zu optimieren.
• Empirische Methoden: Datensammlung und -analyse zur Validierung von Modellen und Theorien.
• Quantitative Modelle: Verwendung mathematischer und statistischer Techniken.
• Formeln: Mathematische Darstellung logistischer Prozesse, z.B. Transportgleichungen
• Typische Formeln: Kostenfunktion: \( C = f(d, w, t) \), Lagerbestandsmodell: \( I(t) = I_0 + \text{Zufluss}(t) - \text{Abfluss}(t) \).
• Anwendung: Entscheidungshilfe in Planung, Steuerung und Optimierung logistischer Systeme.

Risiko im Supply Chain Management

Definition:

Identifizierung, Bewertung und Management von Risiken in der Lieferkette zur Aufrechterhaltung der Betriebsfähigkeit und Reduzierung potenzieller Verluste.

Details:

• Risikoarten: Lieferantenausfall, Nachfrageschwankungen, Logistikprobleme, Naturkatastrophen
• Risikoidentifikation: SWOT-Analyse, FMEA, Szenario-Analyse
• Risikobewertung: Eintrittswahrscheinlichkeit und Schadensausmaß
• Risikomanagement-Strategien: Vermeidung, Minderung, Übertragung (Versicherungen), Akzeptanz
• KPIs: Servicegrad, Lieferzuverlässigkeit, Lagerumschlag
• Modelle: stochastische Modelle, Monte-Carlo-Simulation
• Kontinuierliche Überwachung und Anpassung erforderlich

Einsatz von RFID und IoT in der Logistik

Definition:

Einsatz von RFID und IoT optimiert Logistikprozesse durch Automatisierung und Echtzeitdaten. Erhöht Transparenz, Effizienz und Nachverfolgbarkeit von Warenströmen.

Details:

• RFID (Radio-Frequency Identification): Drahtlose Übertragung von Daten mittels elektromagnetischer Felder.
• IoT (Internet of Things): Vernetzung physischer Objekte über das Internet für Datenaustausch und Automatisierung.
• Nutzung: Bestandsverwaltung, Echtzeit-Tracking, Automatisierte Lagerhaltung, Qualitätssicherung.
• Vorteile: Reduzierung von Fehlern, Senkung der Betriebskosten, Echtzeit-Überwachung, Optimierung der Lieferketten.
• Formel: Return on Investment (ROI) = \frac{\text{Nettonutzen}}{\text{Kosten}}.

Fortgeschrittene Regressionsmodelle in der Managementforschung

Definition:

Fortgeschrittene Regressionsmodelle verwenden komplexere Techniken zur Analyse von Beziehungen zwischen Variablen. In der Managementforschung helfen sie dabei, fundierte Entscheidungen zu treffen.

Details:

• Modelle umfassen u.a. Multilevel-Modelle, logistische Regression, und Strukturgleichungsmodelle.
• Nützlich für die Berücksichtigung von hierarchischen Datenstrukturen und nicht-linearen Beziehungen.
• Erweiterte Annahmen und Überprüfungen wichtig (z.B. Heteroskedastizität, Multikollinearität).
• Beispiel für logistische Regression: \( \text{logit}(P) = \beta_0 + \beta_1X_1 + \beta_2X_2 + \text{...} + \beta_nX_n \)
• Multilevel-Modell: \[ Y_{ij} = \beta_0 + \beta_1X_{ij} + u_j + e_{ij} \]

Empirische Forschung in der Logistik

Definition:

Empirische Forschung in der Logistik untersucht logistische Prozesse und Strukturen durch systematische Datenerhebung und -analyse, um praktische Lösungen und theoretische Erkenntnisse zu gewinnen.

Details:

• Datenerhebungsmethoden: Befragungen, Beobachtungen, Experimente
• Quantitative und qualitative Ansätze
• Hauptziel: Verbesserung von Effizienz und Effektivität in logistischen Prozessen
• Wichtige Konzepte: Lieferkettenmanagement, Bestandsmanagement, Transportoptimierung
• Verwendung statistischer Methoden zur Analyse: \( ANOVA, Regressionsanalyse, SEM \)

Blockchain-Technologie in der Lieferkette

Definition:

Dezentrale Technologie zur Verfolgung und Dokumentation von Transaktionen in der Lieferkette, basierend auf einem gemeinsamen, unveränderlichen Ledger.

Details:

• Verbesserte Rückverfolgbarkeit: Lückenlose Verfolgung des Warenflusses.
• Transparenz: Alle Teilnehmer sehen dieselben Daten in Echtzeit.
• Sicherheit: Unveränderliche Transaktionsaufzeichnungen mittels Kryptographie.
• Effizienz: Automatisierung durch Smart Contracts.
• Anwendungsfälle: Herkunftsnachweis, Betrugsprävention, Bestandsmanagement.

Zeitreihenanalyse in der Managementforschung

Definition:

Analyse von Daten, die in zeitlicher Reihenfolge erfasst wurden, um Muster, Trends und Zyklen zu identifizieren.

Details:

• Verwendet für Prognosen und strategische Entscheidungen
• Untersucht Autokorrelation, Saisonalität, Trend
• Methoden: ARIMA-Modelle, GARCH-Modelle, Vektorautoregression
• Stationarität überprüfen mit Augmented-Dickey-Fuller-Test
• Modellbewertung mittels AIC/BIC
• Störfaktoren: fehlende Werte, strukturelle Brüche