VCM_08092023_LR

SUPPLY CHAIN MANAGEMENT

waarin een entiteit beter is op bepaalde vlak ken ook op een eenduidige manier uitdruk ken. Dat kan lastig zijn.”

Het komt erop neer dat je met DEA op een gestructureerde manier het gebied bepaalt waarbinnen je de beste oplossing tracht te zoeken. Als je DEA loslaat op de data in figuur 2, kun je op basis daarvan de grafische weer gave in figuur 3 genereren. Daaruit blijkt dat magazijn A de beste score krijgt. Die standaardisatietruc kun je ook voor meer dan drie dimensies toepassen, maar dan wordt de oefening uiteraard complexer. De hamvraag is wel iedere keer dezelfde: zijn er entiteiten die meer geslaagde combinaties – we noemen dit convectiecombinaties – han teren dan wijzelf? Klassieke DEA versus super DEA Bij een klassieke DEA wordt de performantie van alle betrokken entiteiten gebenchmarkt. De efficiëntie van een entiteit is dan maxi maal 1 (100%), waarbij je ervan uitgaat dat die entiteit dan het meest efficiënt is. Met andere woorden, dat je de output realiseert met de minste input. Technisch gezien kan de efficiëntie bij een traditionele DEA niet boven de 1 gaan. Bij een super DEA daarentegen, neem je in de benchmarkingoefening alle betrokken enti teiten mee, behalve jezelf. Op die manier kun je nog beter zien welke mogelijke combina ties de beste uitkomst opleveren, zonder dat er een invloed van je eigen entiteit is. Pas als je die oefening hebt gemaakt, zet je de resul

De meerwaarde van Data Envelopment Analysis

Data Envelopment Analysis is dus erg geschikt om supply chain entiteiten te benchmarken. DEA is een lineaire program meringsmethode om te analyseren hoe effici ënt je bent in het converteren van input naar output. Bij input denken we bijvoorbeeld aan FTE’s, magazijnruimte, productiekosten, energie en prijzen. De output kan bestaan uit de omzet, het serviceniveau, de ecologische voetafdruk, enzovoort. Hoe minder input je gebruikt om een zekere hoeveelheid out put te bereiken, hoe beter het resultaat zal zijn. En hoe meer output je genereert met dezelfde hoeveelheid input, hoe meer dat zal opleveren. Zo’n entiteit kan eender welke duidelijk aanwijsbare eenheid zijn die beslissingen neemt. Dat kan een magazijn of een fabriek zijn, maar ook een specifieke afdeling, een winkel of zelfs een individu. De truc achter de methode is de output te schalen naar een gemeenschappelijke waarde. Zo zie je in figuur 1 met drie dimensies dat magazijn C’ dezelfde output genereert in aantal pick lijnen als magazijn A met maar 72% van de input. Daaruit kunnen we afleiden dat maga zijn C’ efficiënter is dan magazijn A.

taten tegen je eigen entiteit. Zo’n analyse zal je nog beter helpen te bepalen welke richting je uit moet. Als je super DEA toepast, kun je voor bepaalde combinaties trouwens ook een efficiëntiegraad van meer dan honderd procent krijgen. DEA kun je intern in de organisatie gebrui ken, bijvoorbeeld om verschillende sites met elkaar te vergelijken, maar je kunt ook data van verschillende bedrijven naast elkaar leg Prof. dr. ir. Sander de Leeuw: “DEA kan een interessant alternatief zijn voor de reguliere, in dexgebaseerde benchmarkingmethodes. Die zijn immers gebaseerd op actuele bedrijfsdata. Een groot voordeel van de DEA-methode is ook dat je – doordat je altijd naar een gemeenschappelijke waarde schaalt – vrij heterogene entiteiten kunt vergelijken, of ze nu groot of klein zijn.”

FIGUUR 1 Output schalen naar gemeenschappelijke waarde om efficiëntie te meten

24

WWW.VALUECHAIN.BE