Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Nous utilisons des cookies dans le but suivant :
Assurer le bon fonctionnement du site web, améliorer la sécurité et prévenir la fraude
Avoir un aperçu de l'utilisation du site web, afin d'améliorer son contenu et ses fonctionnalités
Pouvoir vous montrer les publicités les plus pertinentes sur des plateformes externes
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Cookies techniques et fonctionnels
Ces cookies sont indispensables au bon fonctionnement du site internet et vous permettent par exemple de vous connecter. Vous ne pouvez pas désactiver ces cookies.
Cookies analytiques
Ces cookies collectent des informations anonymes sur l'utilisation de notre site web. De cette façon, nous pouvons mieux adapter le site web aux besoins des utilisateurs.
Cookies marketing
Ces cookies partagent votre comportement sur notre site web avec des parties externes, afin que vous puissiez voir des publicités plus pertinentes de Club sur des plateformes externes.
En raison d'une grève chez bpost, des retards de livraison peuvent survenir. Besoin de quelque chose en urgence ? Optez pour un retrait en magasin ou rendez-vous dans une Librairie Club à proximité.
Retrait en 2 heures
Assortiment impressionnant
Paiement sécurisé
Toujours un magasin près de chez vous
En raison d'une grève chez bpost, des retards de livraison peuvent survenir. Besoin de quelque chose en urgence ? Optez pour un retrait en magasin ou rendez-vous dans une Librairie Club à proximité.
Une erreur est survenue, veuillez réessayer plus tard.
Il y a trop d’articles dans votre panier
Vous pouvez encoder maximum 250 articles dans votre panier en une fois. Supprimez certains articles de votre panier ou divisez votre commande en plusieurs commandes.
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.