Zugl.: Bern, Universiẗat, Diss., 2005.

München, Techn. Univ., Diss., 2004.

Universiẗat, Diss., 2006--Paderborn.

Plantilla para elaborar Tesis de Maestría en Supply Chain Management para optar el grado académico de Maestro en Supply Chain Management en el Programa de Maestría en Supply Chain Management. Escuela de Postgrado. Universidad Peruana de Ciencias Aplicadas.

The business landscape faces various challenges that have profound implications for their supply chains. These challenges include supply shortages, sustainability efforts, demographic shifts, rising transportation costs, and the disruptive impact of global crises. Media discussions are abuzz with strategies to tackle these challenges. These strategies involve shifting towards localized production, deliberately diversifying supplier networks, and reinforcing inventories for critical products. However, this dissertation explores a potential beyond these conventional approaches: the data-driven process intelligence. Already today, leading companies are developing multi-faceted strategies that are part of data-driven process intelligence. This dissertation embarks on a comprehensive exploration of integrating emerging data-driven technologies with traditional concepts to unlock supply chain efficiencies. We present four pivotal areas, each elaborated upon in distinct chapters. Advanced technologies, including information systems, digital twins, sensor networks, and machine learning, are each harmonized with more traditional concepts such as service innovation, business value, information value, and combinatorial optimization. The first main chapter, Service Innovation Through Collaborative Information Systems, focuses on developing a collaborative urban delivery system that seamlessly integrates participants regardless of their digital maturity. This chapter underscores the potential of collaborative information systems in bridging digital divides within supply chains, particularly for local retailers striving to attract e-commerce customers. The second main chapter, Deriving Business Value From Digital Twins, explores the application of digital twin technology in modeling and optimizing construction site logistics. It illuminates how digital twins can elevate decision support systems and analytics dashboards, offering invaluable insights into logistics operations. The findings underscore the transformative power of digital twins in automating and enhancing visibility. The third main chapter, Optimizing Sensor Networks Through Information Value Analysis, addresses the pivotal issue of prioritizing investments in information technology, specifically sensor networks. An information value analysis is presented to assess the significance of accurate and timely information in augmenting supply chain efficiency. This analysis equips organizations with the ability to make informed decisions about their investments. The fourth main chapter, Combinatorial Optimization Enriched Machine Learning, introduces an innovative approach that harmonizes combinatorial optimization with machine learning. This approach can be applied to solve intricate and uncertain logistics challenges, e.g., the dynamic and stochastic inventory routing problem. The chapter showcases the synergy between machine learning and combinatorial optimization, emphasizing the potential of advanced algorithms and learning methods in optimizing logistics operations under dynamic conditions. In conclusion, this dissertation offers a comprehensive perspective on how data-driven process intelligence has the potential to support supply chain management. It provides practical insights into integrating emerging technologies seamlessly with established concepts. Moreover, it underscores the significance of change management, continuous improvement, and a holistic approach in achieving enduring supply chain efficiency enhancements. By embracing these findings, organizations can confidently and competently navigate the evolving supply chain challenges. / Die Unternehmenslandschaft steht vor verschiedenen Herausforderungen, die tiefgreifende Auswirkungen auf ihre Lieferketten haben. Zu diesen Herausforderungen gehören Lieferengpässe, Bemühungen um Nachhaltigkeit, demografische Veränderungen, steigende Transportkosten und die störenden Auswirkungen globaler Krisen. In den Medien wird viel über Strategien zur Bewältigung dieser Herausforderungen diskutiert. Zu diesen Strategien gehören die Verlagerung der Produktion auf lokale Standorte, die bewusste Diversifizierung der Lieferantennetzwerke und die Aufstockung der Lagerbestände für kritische Produkte. Diese Dissertation erforscht jedoch ein Potenzial jenseits dieser konventionellen Ansätze: die datengesteuerte Prozessintelligenz. Bereits heute entwickeln Spitzenunternehmen vielfältige Strategien, die Teil einer datengesteuerten Prozessintelligenz sind. In dieser Dissertation wird eine umfassende Untersuchung der Integration neuer datengesteuerter Technologien mit traditionellen Konzepten zur Steigerung der Lieferketteneffizienz vorgenommen. Wir stellen vier zentrale Bereiche vor, die jeweils in eigenen Kapiteln behandelt werden. Fortgeschrittene Technologien, darunter Informationssysteme, digitale Zwillinge, Sensornetzwerke und Maschinelles Lernen, werden jeweils mit traditionelleren Konzepten wie Dienstleistungsinnovation, Geschäftswert, Informationswert und Kombinatorische Optimierung in Einklang gebracht. Das erste Hauptkapitel, Service Innovation Through Collaborative Information Systems, konzentriert sich auf die Entwicklung eines kollaborativen städtischen Liefersystems, das die Teilnehmer unabhängig von ihrem digitalen Reifegrad nahtlos integriert. Dieses Kapitel unterstreicht das Potenzial von kollaborativen Informationssystemen bei der Überbrückung digitaler Barrieren innerhalb von Lieferketten, insbesondere für lokale Einzelhändler, die E-Commerce-Kunden anziehen wollen. Das zweite Hauptkapitel, Deriving Business Value From Digital Twins, erforscht die Anwendung der digitalen Zwillingstechnologie bei der Modellierung und Optimierung der Baustellenlogistik. Es wird beleuchtet, wie digitale Zwillinge Entscheidungsunterstützungssysteme und Analyse-Dashboards verbessern können, indem sie wertvolle Einblicke in den Logistikbetrieb bieten. Die Ergebnisse unterstreichen die transformative Fähigkeit von digitalen Zwillingen bei der Automatisierung und Verbesserung der Transparenz. Das dritte Hauptkapitel, Optimizing Sensor Networks Through Information Value Analysis, befasst sich mit der zentralen Frage der Priorisierung von Investitionen in die Informationstechnologie, insbesondere in Sensornetzwerke. Es wird eine Informationswertanalyse vorgestellt, um die Bedeutung genauer und rechtzeitiger Informationen für die Steigerung der Lieferketteneffizienz zu bewerten. Diese Analyse versetzt Unternehmen in die Lage, fundierte Entscheidungen über ihre Investitionen zu treffen. Im vierten Hauptkapitel, Combinatorial Optimization Enriched Machine Learning, wird ein innovativer Ansatz vorgestellt, der Kombinatorische Optimierung mit Maschinellem Lernen verbindet. Dieser Ansatz kann zur Lösung komplizierter und unsicherer logistischer Herausforderungen eingesetzt werden, z. B. beim dynamisches und stochastisches Bestandsverwaltungs- und Tourenplanungsproblem. Das Kapitel zeigt die Synergie zwischen Maschinellem Lernen und Kombinatorischer Optimierung und hebt das Potenzial fortschrittlicher Algorithmen und Lernmethoden bei der Optimierung logistischer Abläufe unter dynamischen Bedingungen hervor. Abschließend bietet diese Dissertation eine umfassende Perspektive, wie datengesteuerte Prozessintelligenz das Lieferkettenmanagement unterstützen kann. Sie bietet praktische Einblicke in die nahtlose Integration neuer Technologien mit etablierten Konzepten. Darüber hinaus unterstreicht sie die Bedeutung von Veränderungsmanagement, kontinuierlicher Verbesserung und einem ganzheitlichen Ansatz, um die Effizienz der Lieferkette nachhaltig zu steigern. Durch die Berücksichtigung dieser Erkenntnisse können Unternehmen, die sich entwickelnden Herausforderungen in der Lieferkette sicher und kompetent bewältigen.

Universiẗat, Diss.--Erlangen-Nürnberg, 2006.

Wiss. Hochsch. für Unternehmensführung, Diss.--Vallendar, 2004.

Introduktion- Den miljömässiga varianten av Supply chain management, även kallad Green supply chain management, har som mål att minimera eller eliminera negativ miljöpåverkan. Onödiga transporter innebär negativ miljöpåverkan. Trots transporters påverkan på miljön, finns lite forskning om samband mellan transporter och Green supply chain management. Syftet med studien är därför att utforma en strategi för att uppnå Green supply chain management och minska på onödiga transporter med fokus på osäkerhet, variation och transparens.   Metod- För att möjliggöra ett besvarande av syfte har en fallstudie bedrivits med hjälp av litteratur och ett fallföretag.   Resultat, analys, diskussion och slutsats - Fallföretaget påverkas negativt av osäkerhet, variation och har även brist på transparens i försörjningskedjan. Onödiga transporter genom återkallningar skapas på grund av kvalitetsbristerskapar hinder för en effektiv supply chain management strategi. Ett systematiskt tillvägagångssätt genom PDCA kan hjälpa fallföretaget att skapa en stabil grund och uppnå Green supply chain management. Det är viktigt att Plan-Do-Check-Act bedrivs med god kommunikation för att skapa transparens, hindra osäkerhet och variation. Green supply chain management kan uppnås genom en kombination av ISO 9001, ISO 14001 och Lean. Dessa delar ska bedrivas med Plan-Do-Check-Act för att minska på onödiga transporter. / Introduction- The environmental variant of Supply Chain Management, also known as the Green supply chain management, aims to minimize or eliminate negative environmental impacts.  Unnecessary transports are a negative environmental aspect and means negative environmental impact. Although transports affect the environment, there is little research on the relationship between transport and Green supply chain management. The purpose of the study is therefore to design a strategy for achieving Green supply chain management and reduce unnecessary transport with a focus on uncertainty, variability and transparency. Method- To enable the answering of purpose, a case study conducted with the help of literature and a case company. Results- The case company is negatively affected by uncertainty, variety, and also by a lack of transparency in the supply chain. Unnecessary transportations through recalls are created because of quality defects. This creates obstacles for a supply chain management strategy to be more effective. A systematic approach by Plan-Do-Check-Act can help the case company to create a stable basis and achieve green supply chain management. It is necessary to conduct Plan-Do-Check-Act with good communication in order to create transparency, prevent uncertainty and variation. Green supply chain management can be achieved through a combination of ISO 9001, ISO 14001 and Lean. These parts should be conducted with PDCA, which can reduce unnecessary transportation.

Univ., Diss--Marburg, 2007.

Zugl.: Marburg, Univ., Diss., 2008