Developing the S&OP process and its forecastability, Case: Product chain LPG
Vesterinen, Satu (2024)
2024
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2024051612573
https://urn.fi/URN:NBN:fi:amk-2024051612573
Tiivistelmä
Tämän päivän globaalit ja kompleksiset toimitusketjut kohtaavat nopeasti muuttuvan toimintaympäristön seurauksena jatkuvasti vastainkäymisiä, jotka haastavat toimitusketjujen sujuvaa hallintaa ja ensisijaista tavoitetta eli asiakkaiden arvonlisäyksen maksimointia. Toimitusketjun parempi hallinta voidaan saavuttaa S&OP -tai Sales and Operations Planning-prosessin tuella. S&OP on prosessi, jolla yritys pyrkii tasapainottamaan kysynnän ja tarjonnan kannattavan liiketoiminnan toteuttamiseksi.
Tutkimuksen tarkoituksena oli tutkia tapausorganisaation S&OP-prosessia ja sen ennustettavuutta nestekaasujen tuoteketjun kautta. Tavoitteena oli löytää ja tuoda esille kehitysehdotuksia S&OP-prosessin kehittämiseksi ja lyhyen aikavälin ennusteiden parantamiseksi.
Tutkimus toteutettiin tapaustutkimuksena, jossa hyödynnettiin niin laadullisia kuin määrällisiä menetelmiä. Tutkimusmenetelmät olivat puolistrukturoitu teemahaastattelu, havainnointi ja aikasarja-analyysi. Teemahaastattelun kohteet valittiin tapausorganisaation sisältä, jotka ovat keskeisiä S&OP prosessin ja/tai nestekaasuketjun tuotannon kanssa. Havainnoinnin kenttätutkimus kohdistettiin S&OP prosessin säännöllisiin kokouksiin kohdeorganisaatiossa, sekä prosessikuvauksen dokumentteihin. Kerättyjen laadullisten tietojen perusteella toteutettiin ARIMA-mallille aikasarja-analyysi avoimen lähdekoodin ekosysteemiin perustuvalla menetelmällä.
Tutkimuksen lopputuloksina esiteltiin vaihtoehtoinen tekniikka aikasarja-analyysin toteuttamiseksi yleisesti käytetylle SPSS-menetelmälle, millä voi olla vaikutusta miten jatkossa tutkitaan ARIMA-mallia. S&OP prosessin merkittävimmiksi kehittämiskohteiksi tulosten perusteella nousivat ajantasainen ja laadukas data, prosessin jatkuva parantaminen, sekä prosessin vastuut ja valtuudet. Tutkimustulosten perusteella esiteltiin parannusehdotuksia, joiden avulla S&OP prosessin toimintaa ja sen ennustettavuutta olisi mahdollista parantaa. Lopuksi esiteltiin jatkotutkimusehdotuksia kohdeorganisaatiolle. As a result of the rapidly changing environment, today's global and complex supply chains are constantly facing confrontations that challenge the efficient management of supply chains and the pre-eminent task of maximizing customer value. Better supply chain management can be achieved with support from the S&OP or Sales and Operations Planning process. S&OP is the process by which a company strives to balance supply and demand in order to execute profitable business.
The objective was to examine through the LPG product chain the case company S&OP process and its forecastability. The aim was to find and highlight development proposals to improve the S&OP process and short-term forecasts.
The research process was applied with a case study approach, utilizing both qualitative and quantitative methods. The research methods were a semi-structured interview, observation and time series analysis. The subjects of the semi-structured interview were selected from within the case company, which are representatives of the S&OP process and/or the production of the LPG chain. The field study of observation was targeted at the regular meetings of the S&OP process in the case company and process description documents. Based on the qualitative data collected, the time series analysis was implemented utilizing an alternative technique for SPSS. Time series analysis of the ARIMA model was executed with an open-source ecosystem.
The results presented an alternative method for implementing time series analysis for the commonly applied SPSS method, which may have an impact on how ARIMA models will be studied in the future. Based on the results, up-to-date and high-quality data, continuous improvement of the S&OP process, and the roles and responsibilities emerged as the most significant development findings. Based on the research results, suggestions for improving the S&OP process and its predictability were presented to the case company. In addition, further research and recommendations were presented to the case company.
Tutkimuksen tarkoituksena oli tutkia tapausorganisaation S&OP-prosessia ja sen ennustettavuutta nestekaasujen tuoteketjun kautta. Tavoitteena oli löytää ja tuoda esille kehitysehdotuksia S&OP-prosessin kehittämiseksi ja lyhyen aikavälin ennusteiden parantamiseksi.
Tutkimus toteutettiin tapaustutkimuksena, jossa hyödynnettiin niin laadullisia kuin määrällisiä menetelmiä. Tutkimusmenetelmät olivat puolistrukturoitu teemahaastattelu, havainnointi ja aikasarja-analyysi. Teemahaastattelun kohteet valittiin tapausorganisaation sisältä, jotka ovat keskeisiä S&OP prosessin ja/tai nestekaasuketjun tuotannon kanssa. Havainnoinnin kenttätutkimus kohdistettiin S&OP prosessin säännöllisiin kokouksiin kohdeorganisaatiossa, sekä prosessikuvauksen dokumentteihin. Kerättyjen laadullisten tietojen perusteella toteutettiin ARIMA-mallille aikasarja-analyysi avoimen lähdekoodin ekosysteemiin perustuvalla menetelmällä.
Tutkimuksen lopputuloksina esiteltiin vaihtoehtoinen tekniikka aikasarja-analyysin toteuttamiseksi yleisesti käytetylle SPSS-menetelmälle, millä voi olla vaikutusta miten jatkossa tutkitaan ARIMA-mallia. S&OP prosessin merkittävimmiksi kehittämiskohteiksi tulosten perusteella nousivat ajantasainen ja laadukas data, prosessin jatkuva parantaminen, sekä prosessin vastuut ja valtuudet. Tutkimustulosten perusteella esiteltiin parannusehdotuksia, joiden avulla S&OP prosessin toimintaa ja sen ennustettavuutta olisi mahdollista parantaa. Lopuksi esiteltiin jatkotutkimusehdotuksia kohdeorganisaatiolle.
The objective was to examine through the LPG product chain the case company S&OP process and its forecastability. The aim was to find and highlight development proposals to improve the S&OP process and short-term forecasts.
The research process was applied with a case study approach, utilizing both qualitative and quantitative methods. The research methods were a semi-structured interview, observation and time series analysis. The subjects of the semi-structured interview were selected from within the case company, which are representatives of the S&OP process and/or the production of the LPG chain. The field study of observation was targeted at the regular meetings of the S&OP process in the case company and process description documents. Based on the qualitative data collected, the time series analysis was implemented utilizing an alternative technique for SPSS. Time series analysis of the ARIMA model was executed with an open-source ecosystem.
The results presented an alternative method for implementing time series analysis for the commonly applied SPSS method, which may have an impact on how ARIMA models will be studied in the future. Based on the results, up-to-date and high-quality data, continuous improvement of the S&OP process, and the roles and responsibilities emerged as the most significant development findings. Based on the research results, suggestions for improving the S&OP process and its predictability were presented to the case company. In addition, further research and recommendations were presented to the case company.