Order Allocation and Emergency Transportation Decisions Amid Multi-Source Procurement Disruptions

In de complexe wereld van de moderne productie hangt het vermogen van een bedrijf om de assemblagebanden in beweging te houden af van een delicate balans tussen het inkopen van onderdelen, het wereldwijd transporteren ervan en het waarborgen dat ze op tijd aankomen. Decennialang was de standaardregel voor inkoop simpel: koop van de leverancier die de laagste prijs biedt. Echter, deze aanpak negeert vaak de verborgen kosten die ontstaan wanneer er dingen misgaan, zoals een fabriek die sluit, een schip dat vast komt te zitten in een haven, of een partij onderdelen die niet voldoet aan de kwaliteitscontroles. Wanneer deze verstoringen optreden, kan de goedkoopste optie snel de duurste worden, omdat bedrijven gedwongen zijn te betalen voor urgente luchtvracht, te maken te krijgen met productiestops, of op het laatste moment over te schakelen naar nieuwe, ongeteste leveranciers. De uitdaging voor supply chain managers is om een manier te vinden om genoeg onderdelen in te kopen om de productie draaiende te houden zonder een fortuin te betalen voor noodoplossingen, een probleem dat vereist dat men naar het hele netwerk van leveranciers en transportroutes kijkt als één enkel, onderling verbonden systeem in plaats van een reeks geïsoleerde transacties.

Een team van onderzoekers zette zich scharpe schouders om dit puzzelstuk op te lossen door de reële operaties van een groot productiebedrijf te analyseren dat hoogwaardige computerapparatuur bouwt. Ze verzamelden een enorme hoeveelheid gegevens verspreid over twee jaar, inclus$ van duizenden inkooporders, verzendgegevens en kwaliteitsrapporten van tweeëndertig verschillende leveranciers, gevestigd in zowel binnenlandse als internationale regio's. Deze data onthulde een rommelige realiteit: de leverancier met de laagste bieding was niet altijd degene die de beste waarde leverde. De onderzoekers gebruikten dit historische verslag om een computermodel te bouwen dat kon simuleren hoe de toeleveringsketen van het bedrijf zou reageren op diverse rampen. In plaats van alleen naar het prijskaartje van een onderdeel te kijken, hield hun model rekening met de waarschijnlijkheid dat een leverancier zou falen, de tijd die nodig is om over te schakelen naar een nieuwe partner, en de kosten van verschillende verzendmethoden, variërend van traag en goedkoop wegtransport tot snel en duur luchttransport. Het doel was om te bepalen hoeveel voorraad er op voorraad moet worden gehouden, hoeveel capaciteit er wordt gereserveerd bij back-up leveranciers, en hoe orders omgeleid moeten worden wanneer een verstoring optreedt, terwijl de totale kosten zo laag mogelijk worden gehouden.

De onderzoekers testten drie verschillende manieren om inkoopbeslissingen te nemen. De eerste was de traditionele "laagste-bied"-aanpak, waarbij het bedrijf simpelweg koopt van de goedkoopste beschikbare leverancier. De tweede was een "gewogen-score"-methode, die de prijs balanceert met andere factoren zoals leveringssnelheid en kwaliteitsgeschiedenis. De derde was een "risicogebonden" strategie, die hun nieuwe computermodel gebruikte om proactief te plannen voor potentiële uitvallen. Toen ze de simulaties uitvoerden, waren de resultaten opmerkelijk. De strategie met de laagste bieding, hoewel op papier goedkoop lijkend, resulteerde in de hoogste totale jaarlijkse kosten, oplopend tot 1.244,20 miljoen Amerikaanse dollar. Dit kwam doordat het bedrijf uiteindelijk veel meer betaalde aan noodverzendkosten en verloren productietijd wanneer er onvermijdelijk zaken misgingen. De benadering met de gewogen score presteerde beter en bracht de totale kosten terug naar 1.069,58 miljoen dollar. De risicogebonden strategie bleek echter de meest effectieve, waarbij de totale jaarlijkse kosten werden teruggebracht naar 843,68 miljoen dollar. Deze aanpak bespaarde het bedrijf ongeveer 32 procent ten opzichte van de methode met de laagste bieding, voornamelijk door de kosten die gepaard gaan met noodvervoer en ordervertragingen drastisch te verlagen.

Het verschil in prestaties werd nog duidelijker toen de onderzoekers specifieke crises simuleerden, zoals een kernleverancier die een maand lang sluit of een plotselinge stijging in de klantvraag. In deze stressvolle scenario's worstelde de strategie met de laagste bieding het meest, waarbij het tot wel 42 dagen duurde voordat de situatie weer stabiel was, terwijl duizenden orders vertraging opliepen. In contrast hiermee herstelde de risicogebonden strategie zich veel sneller, waarbij de situatie in slechts 15 dagen weer stabiel was en bijna alle vertraagde orders werden ingehaald. Het model bereikte dit door het bedrijf aan te moedigen om zijn leveranciers te diversifiëren en een kleine hoeveelheid extra voorraad en reservecapaciteit gereed te hebben. Hoewel dit betekende dat er vooraf iets meer betaald moest worden voor de onderdelen zelf, voorkwam het de enorme financiële klap die volgt op een totale breuk in de toeleveringsketen. Zo daalden de transportkosten onder het risicogebonden plan naar 149,82 miljoen dollar, vergeleken met 300,62 miljoen dollar voor de strategie met de laagste bieding, omdat het bedrijf niet gedwongen werd om te vertrouwen op dure, op het laatste moment ingezette luchtvracht om voorkombare tekorten op te lossen.

De studie onderzocht ook hoeveel risico een bedrijf bereid moet zijn te accepteren versus hoeveel het moet uitgeven om dat risico te vermijden. Door de gevoeligheid van het model voor zeldzame maar ernstige rampen aan te passen, vonden de onderzoekers een "sweet spot" waarbij het bedrijf zijn blootstelling aan grote verliezen aanzienlijk kon verminderen zonder te veel uit te geven aan onnodige veiligheidsvoorraden. Ze bepaalden dat een specifiek niveau van voorzichtigheid, die zij maten als een 95 procent zekerheid in het vermijden van extreme verliezen, de beste balans bood. Als het bedrijf nog voorzichtiger zou proberen te zijn, zouden de kosten voor het aanhouden van extra voorraad sneller stijgen dan het voordeel van het vermijden van zeldzame rampen. Deze bevinding suggereert dat de meest efficiënte toeleveringsketens niet noodzakelijkerwijs de ketens zijn die proberen alle risico's te elimineren, maar die intelligent plannen voor de meest waarschijnlijke verstoringen. De onderzoekers merkten op dat hoewel hun model zeer effectief was voor het specifieke bedrijf dat zij bestudeerden, het beperkingen had, zoals het niet kunnen rekening houden met plotselinge veranderingen in het overheidsbeleid of unieke congestiegebeurtenissen in havens die moeilijk te voorspellen zijn.

Uiteindelijk toont het onderzoek aan dat de laagste prijs niet altijd de beste deal is in een volatiele wereld. Door data te gebruiken om problemen te voorzien en beslissingen te nemen die kosten balanceren met veerkracht, kunnen bedrijven de verborgen kosten van chaos vermijden. De studie laat zien dat een strategie gericht op het beheren van risico's, in plaats van alleen het minimaliseren van de initiële prijs, leidt tot een stabielere en winstgevendere operatie. Het bedrijf in de casestudy zag een reductie van 50 procent in vermijdbare noodverzendkosten in het eerste jaar na de implementatie van deze planningsregels, een resultaat in de echte wereld dat de waarde bevestigde van verder kijken dan de onderkant van de streep. In een tijdperk waarin toeleveringsketens voortdurend worden getest door wereldwijde gebeurtenissen, is het vermogen om snel en efficiënt aan te passen niet langer alleen een concurrentievoordeel; het is een noodzaak voor overleving.