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
