Purpose – The purpose with this study is to investigate which factors that needs to be considered for sourcing decisions to ensure an optimal long-term decision, and which of these factors that can be quantified in a product costing model. To fulfill this purpose two research questions have been proposed: Which factors needs to be considered for a sourcing decision? Which of these factors that needs to be considered can be quantified in a product costing model? Method – A case study was conducted to fulfill the purpose of this study. The case study produced empirical data through interviews and document studies. The empirical data was interpreted and analyzed on the basis of the theoretical framework, created through literature studies. This process produced the result of this study. Findings – Factors to be considered for a sourcing decision have been identified and categorized in four over-arching categories: unit cost, logistical factors, capability factors and risk factors. These factors have been quantified in a product costing model. A preparatory decision model was created to further integrate some risk factors that could not be quantified. Implications – Both the make or buy decision and the manufacturing location decision have been considered in the product costing model presented in this study. The product costing model visualize and take into account hidden costs, rarely considered in sourcing decisions. This further enables optimal long-term sourcing decisions. Limitations – Risk factors remain difficult to quantify. This makes it difficult to determine the cost of risk factors, and as a result of that, to include them in a product costing model. Companies with similar conditions suites the model since the case study was conducted at only one company. Whether the product costing model is true for business in other contexts remain uncertain. / Syfte – Syftet med denna studie är att undersöka vilka faktorer som bör beaktas vid ett försörjningsbeslut för att säkerställa ett långsiktigt korrekt beslut och vilka av dessa som kan kvantifieras i en kalkylmodell. För att uppfylla syftet har följande två frågeställningar formulerats: Vilka faktorer bör beaktas vid ett försörjningsbeslut? Vilka av dessa faktorer som bör beaktas kan kvantifieras i en kalkylmodell? Metod – För att uppfylla studiens syfte genomfördes en fallstudie. Med hjälp av intervjuer och dokumentstudier har fallstudien genererat empirisk data. Utifrån det teoretiska ramverket, som skapats genom litteraturstudier, har data tolkats och analyserats. Detta har gett upphov till studiens resultat. Resultat – Faktorer som bör beaktas vid ett försörjningsbeslut har identifierats och kategoriserats i fyra övergripande kategorier: enhetskostnad, logistikfaktorer, kapabilitetsfaktorer och riskfaktorer. Dessa faktorer har kvantifierats i en kalkylmodell. För vissa riskfaktorer som är svåra att kvantifiera har en förberedande beslutsmodell skapats. Implikationer – Kalkylmodellen som presenteras i denna studie beaktar både tillverka/köp-beslutet och lokaliseringsbeslutet. Kalkylmodellen tar hänsyn till dolda kostnader som sällan beaktas vid dessa typer av beslut. Detta möjliggör ett långsiktigt korrekt försörjningsbeslut. Begränsningar – Riskfaktorer är fortsatt svåra att kvantifiera och därmed kostnadsbestämma. Detta gör det svårt att inkludera dem i en kalkylmodel. Då fallstudien genomfördes på endast ett fallföretag är kalkylmodellen lämpad för företag med liknande förutsättningar. Det är därför svårt att säga hur väl kalkylmodellen stämmer för företag i andra kontexter.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:hj-32257 |
| Date | January 2016 |
| Creators | Blomkvist, Klas, Cervall, Samuel |
| Publisher | Högskolan i Jönköping, JTH, Industriell organisation och produktion |
| Source Sets | DiVA Archive at Upsalla University |
| Language | Swedish |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0024 seconds