Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Reducing Minimum Stock Cover Levels inFast-Moving Consumer Goods Industryusing Classification Schemes
KTH, School of Industrial Engineering and Management (ITM), Production Engineering.
2016 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesis
Abstract [en]

This thesis was developed at the Demand and Supply Planning department (DSP) of NestléPortugal whose mission is to develop planning scenarios encompassing the whole supply,production and distribution cycle to support the most appropriate decisions at each operationallevel. Stock policies are among the most important parameters that DSP defines periodically.Such parameter includes minimum and maximum stock cover levels. The minimum stock coverlevels tell how many days the stock will last if demand goes as predicted. From that value themaximum stock cover levels is then calculated and stock policies are set. Currently stock coverpolicies are defined by Supply Planners with a home built tool called “Optimizer Tool” that showsoverestimation. This situation implies extra cost and inefficiencies that the company wants toaddress by the present thesis work.After study of the context and specificities of the situation the goals agreed were: 1) Complement“Optimizer Tool” operation with an innovative process to reduce the suggested minimum stockcover levels. 2) Develop a case study based on “Optimizer Tool” routine operation fordemonstration purposes.For reasons associated namely with confidentiality issues the approach used was mostlyempirical, in the sense that no analysis of fundamentals of the “Optimizer Tool” was undertaken.On that line of work, after considering that stock policies are indeed the result of the interactionbetween “Optimizer Tool” operation with human judgement on several inputs that can beadjusted, the research question to meet the objectives was: How to optimize the integration of“Optimizer Tool” operation with the inherent human judgement? This question was basedupon two hypothesis that were formulated, tested and validated.The literature review showed that classification schemes for the individual items (Stock KeepingUnits or SKU’s for Nestlé) could be used with the Simple Additive Weighting (SAW)methodology in the search of a solution to the problem under study. Furthermore, it was clear thataddressing uncertainty factors related to inventory could be based on what was called the rollinghorizon framework (basically, learn as you go). These findings lead to the development of a toolor add-on putting together classification schemes and a learn as you go process.The validation of the hypothesis mentioned above was then performed. That included a sensitivityanalysis that made clear that the options made by Supply Planners when using the “OptimizerTool” in respect to two inputs, the so called Adjusted Demand Plan Accuracy (DPA) and AdjustedMaster Schedule Attainment (MSA), were critical to the quality of results in terms of stockpolicies. A specific set of classification schemes was then developed and combined with SAWmethodology in three different arrangements.The combination schemes were prepared to be applied to the final results of an “Optimizer Tool”run. That option was dictated by the existence of company targets for Adjusted DPA and AdjustedMSA (that in principle should be adopted). Additionally, such option keeps present operation ofthe system totally unchanged, just introducing a reference that allows a deeper analysis in respectto stock policies (as illustrated in the case study and subsequent discussion).The case study was successful and the possibility of taking sound decisions on keeping orreducing minimum stock cover levels was demonstrated. It should be noted that the tool or addonis not a substitute of human experience and knowledge. It is a support to a more informeddecision. Furthermore it opens new possibilities in respect to formalization, sharing, continuouslearning and adaptation to new conditions, in line with the rolling horizon framework ofaddressing uncertainty factors in respect to inventory.

Abstract [sv]

Examensarbetet är utfört på ”Demand and Supply Planning department” (DSP) på Nestlé,Portugal. Avdelningen ansvarar för scenarioplanering för inköp, produktion och distribution somunderlag för beslutsfattande. Lagerstyrning är en av de viktigaste faktorerna som regelbundetdefinieras av DSP. Parametrar som ingår i lagerstyrningen är bland annat lägsta och högstalagernivån. Den lägsta nivån anger hur länge lagret räcker ifall efterfrågan utvecklas somförutspått. Utifrån de värdena kan man beräkna högsta lagernivån och därmed fastställalagerstyrningspolicy. I dag definieras policyn av inköpsavdelningen, som använder sig av ettegenutvecklat verktyg, ”Optimizer Tool”. Problemet är att verktyget överskattar den lagernivåsom krävs. Företaget vill komma till rätta med detta problem genom detta examensarbete.Efter en förstudie av nuläget sattes två mål upp: 1) Komplettera ”Optimizer Tool” med en nymetod för att reducera den lägsta lagernivån. 2) Utarbeta en fallstudie baserad på rutinerna ianvändningen av ”Optimizer Tool” för framtida demonstrations ändamål.Ingen analys av de grundläggande funktionerna i ”Optimizer Tool” kunde genomföras på grundav sekretesskäl. Istället användes empirisk data. Efter att på vissa punkter ha fastställt sambandetmellan verktygets resultat och människors bedömningsförmåga kunde forskningsfråganfastställas: Hur kan man optimera integrationen av resultaten från ”Optimizer Tool”processer med den mänskliga bedömningsförmågan? Denna fråga baserades på två hypotesersom utformades, testades och validerades.Litteraturstudien visade att klassifikationssystemen för de individuella produkterna (StockKeeping Units eller SKU:s) kunde användas tillsammans med Simple Additive Weighting (SAW)metoden för att lösa problemet i fråga. Det var också tydligt att osäkerheten i lagerstatus kundeåtgärdas med den så kallade ”rolling horizon framework” som i princip går ut på att läras sig efterhand som man gör. Dessa insikter ledde till utformningen av ett verktyg eller tillägg somkombinerade klassifikationssystem med en lära genom att göra process.Efteråt utfördes valideringen av den ovan nämnda hypotesen. Valideringen bestod delvis av enkänslighetsanalys som gjorde klart att det var två ingående värden som hade störst inverkan pålagerstyrningen när personalen använde ”Optimizer Tool”: Adjusted Demand Plan Accuracy(DPA) och Adjusted Master Schedule Attainment (MSA). Därefter konstruerades ett specifiktklassifikationssystem vilka kombinerades med hjälp av SAW metoden i tre olika varianter.De kombinerade systemens anpassades för att appliceras på det slutgiltiga resultatet aven ”Optimizer Tool” körning. Den möjligheten bestämdes av företagets mål för Adjusted DPAoch Adjusted MSA (som i princip skulle ha anpassats). Sådana möjligheter förändrar inte deaktuella processerna i systemet. Istället introducerar de en referens för djupare analyser avlagerstyrning (som framgick i fallstudien och den tillhörande diskussionen). Fallstudien varlyckad och möjligheten att göra avvägda beslut i frågan om den lägsta lagernivån presenterades.Det är värt att notera att verktyget eller tillägget inte ska ses som en ersättning för personalenserfarenhet och kunskap, utan ett extra stöd i beslutfattandet. Den öppnar även nya möjligheter förformalisering, delning, kontinuerligt lärande och flexibilitet i förhållande till ” rolling horizonframework” ansatsen till problemlösning av osäkra faktorer av lagerstatus.

Place, publisher, year, edition, pages
2016. , 668 p.
Series
Degree Project in Production Engineering Management, Second Level, 668
National Category
Engineering and Technology
Identifiers
URN: urn:nbn:se:kth:diva-183106OAI: oai:DiVA.org:kth-183106DiVA: diva2:907657
Examiners
Available from: 2016-02-29 Created: 2016-02-29 Last updated: 2016-02-29Bibliographically approved

Open Access in DiVA

fulltext(869 kB)233 downloads
File information
File name FULLTEXT01.pdfFile size 869 kBChecksum SHA-512
92b638e1233ee69ec4d4e1e488e5efad0806edfcd6628ad333a371bda91334ddffb42c34f55f09775d5031b17e8fd5eb14c0eb1e821712e753e18d729fb6d444
Type fulltextMimetype application/pdf

By organisation
Production Engineering
Engineering and Technology

Search outside of DiVA

GoogleGoogle Scholar
Total: 233 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 340 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf