Content

Dorit Bölsche, ABC-XYZ-Analyse für Hilfsgüter (Kenia, Eldoret) in:

Dorit Bölsche

Internationales Katastrophenmanagement, page 113 - 125

Logistik und Supply Chain Management

1. Edition 2009, ISBN print: 978-3-8329-4019-5, ISBN online: 978-3-8452-1310-1 https://doi.org/10.5771/9783845213101

Series: Weltwirtschaft und internationale Zusammenarbeit, vol. 3

Bibliographic information
113 werden, erfolgt eine ABC-XYZ-Analyse nach Regionen und Katastrophenarten.342 Die Ergebnisse lassen sich unter anderem einsetzen, um eine Vorauswahl möglicher Standorte für Zentralläger der Hilfsorganisationen zu treffen. Die endgültige Auswahl von Standorten erfordert weitere Berechnungen unter Einsatz von Methoden der Standortplanung, die in Abschnitt 4.2.2 vorgestellt werden. Weitere Einsatzgebiete aber auch Grenzen der ABC-XYZ-Analyse schließen das Kapitel ab. Abbildung 30 ordnet diese beiden benannten Anwendungsfelder der ABC-XYZ- Analyse in den bekannten Kreislauf des Risikomanagements ein und benennt Ansätze weiterer Einsatzgebiete der ABC-XYZ-Analyse. Katastrophenvorsorge Vorbeugung ? Vorauswahl geeigneter Regionen für Zentralläger auf Basis einer ABC-XYZ-Analyse über Orte, Ausmaß und Arten von Katastrophen (als Grundlage für die Standortplanung) Katastrophenbewältigung Monitoring / Frühwarnung ? Zukunftsbezogene Szenarien auf Basis einer ABC-XYZ-Analyse. Die Grundlage bilden Prognosedaten aus Monitoring / Frühwarnung Weitere humanitäre Hilfe ? Siehe sofortige Rettungsmaßnahmen Wiederaufbau ? Aktualisierung der ABC-XYZ- Analyse ? Auswahl zukünftiger Beschaffungskonzepte auf der Grundlage einer aktualisierten Datenbasis Risikoanalyse ? Analyse über Streuungen auf Basis einer XYZ-Analyse ? Analyse über Schadenwerte auf Basis einer ABC-Analyse Sofortige Rettungsmaßnahmen ? Auswahl geeigneter Beschaffungskonzepte gemäß den Ergebnissen einer ABC-XYZ- Analyse ? Datenerfassung für weitere Analysen Abbildung 30: ABC-XYZ-Analyse, Kreislauf des Katastrophenmanagements343 4.1.2 ABC-XYZ-Analyse für Hilfsgüter (Kenia, Eldoret) Die nachfolgenden Inhalte verdeutlichen an einem überschaubaren realen Beispiel die Durchführung, Ergebnisdarstellung und Auswertung einer ABC-XYZ-Analyse für Gestaltungsfragen der Katastrophenbewältigung. Diese sind auf die Klassifizierung von Hilfsgütern gerichtet, um die Auswahl geeigneter Beschaffungskonzepte im internationalen Katastrophenmanagement zielgerichtet zu unterstützen. 342 Vgl. www.emdat.be; Guha-Sapir, Debarati u.a. (2004); Hoyois, P. u.a. (2007), S. 13; Tschoegl, Liz u.a. (2007). 343 Eigene Darstellung, in Ergänzung zu Abbildung 12. 114 Die verwendete Datengrundlage des Joint Logistics Centre der UN bezieht sich auf die Katastrophenbewältigung in Kenia im Januar des Jahres 2008. Das Beispiel der Unruhen nach den Parlaments- und Präsidentenwahlen vom 27.12.2007 ist in Abschnitt 2.1.3 bereits inhaltlich skizziert worden. Nach ersten Unruhen und Ausschreitungen Ende Dezember des Jahres 2007 sind die sofortigen Rettungsmaßnahmen der Hilfsorganisationen vor Ort mit Beginn des Januar 2008 angelaufen. Insgesamt sind bis Ende Februar 3,823 Tsd. Tonnen Nahrungsmittel an über 370.000 Menschen verteilt worden, 296 Camps sind errichtet worden und 160.000 verletzte Menschen mussten medizinisch versorgt werden.344 Aus dieser Gesamtmenge zu verteilender Güter aus den Bereichen Lebensmittel („Food“), Nicht-Lebensmittel („Non Food Items“) und Medikamente („Medicaments“) werden ausschließlich die Lagerabgänge und demnach Verbrauchsmengen aus dem Lager des Kenianischen Roten Kreuzes in der Region Eldoret im Januar 2008 exemplarisch dargestellt.345 Die Hilfsgüter sind über das Kenianische Rote Kreuz und das IFRC hinaus auch durch andere Hilfsorganisationen und Spender in das Lager geliefert worden, wie z. B. World Food Programme, World Vision, UNI- CEF, UNHCR, Catholic Relief Service, Family Finance Bank, Mechai International. Taggenaue Informationen über Lagereingänge und -abgänge liegen dokumentiert in mehreren Tabellen vor. Für das Berechnungsbeispiel wurden die taggenau erfassten Verbrauchsmengen zu Wochenmengen (jeweils von Mittwoch bis Dienstag im Januar 2008) zusammengefasst, damit sich das Berechnungsbeispiel übersichtlich darstellen lässt (vgl. folgende Tabellen). Schwächen in der Realitätsnähe der Datengrundlage betreffen insbesondere die Preise, die eine Berechnungsgrundlage für Verbrauchswerte der ABC-Analyse darstellen. Aufgrund nicht zugänglicher Daten mussten Annahmen getroffen werden, die voraussichtlich nicht den tatsächlichen Preisen entsprechen. So liegt den Preisen für Lebensmittel z. B. die vereinfachende Annahme zugrunde, dass 1 kg Lebensmittel 1 EUR kosten. Ebenfalls besteht eine Schwachstelle der Datenbasis in der Mengeneinheit Stück (pcs. für pieces, insbesondere für den Bereich Non-Food und Medikamente), über die nähere Angaben nicht vorliegen (handelt es sich um einzelne Stück, Kartons oder logistische Einheiten wie Paletten). Erforderliche Anpassungen unterschiedlicher Dimensionen konnten folglich nicht vorgenommen werden. Im Folgenden geht es darum, die Berechnungsschritte der ABC-XYZ-Analyse zu vermitteln, die unabhängig von der Datenbasis für jeden Anwendungsfall vergleichbar sind. Die Datenbasis ist jeweils durch die Akteure des Katastrophenmanagements an die reale Datenbasis und Fragestellung anzupassen, sodass die vereinfachenden Annahmen vertretbar sind. Die nachfolgenden drei Tabellen bilden die Datenbasis für die ABC- und XYZ- Analyse. Dabei werden die Hilfsgüter der Bereiche „Food“, „Non-Food“ und „Medicaments“ in alphabetischer Reihenfolge aufgelistet. 344 Vgl. weitere Erläuterungen in Abschnitt 2.1.3. 345 Die Daten sind dem Portal des Joint Logistics Centre der UN (www.logcluster.org) entnommen worden. Der Link zu den verwendeten Tabellen lautet Kenya, Supply Chain. Eine wichtige Datei stellt die Datei KRC Commodity Movement as of 29 January 2008 dar. 115 Hilfsgut „Food“ Zuordnung Gewicht (kg)/Stück Preis (EUR/ Stück) Annahme Woche 1 2.-8. Januar Woche 2 9.-15. Januar Woche 3 16.-22. Januar Woche 4 23.-29. Januar Beans Food, Pulses 90 90 100 63 14 5 Biscuits Food, HEB 10 10 1.637 1.182 0 0 Bread Food, Loaves ohne Angabe 1,5 9 0 0 0 Cooking Fat Veg Oil Food, Veg Oil 18 bis 22 20 344 1.365 53 413 Eggs Food, Trays ohne Angabe 2,5 170 50 10 13 Maize Food, Cereals 90 90 4.189 3.531 238 1.470 Maize Flour Food, Cereals 24 24 4.913 128 65 16 Milk, Vanilla Shakes Food, Milk 1 bis 5 2,5 3.152 9.283 120 1.487 Nutropap Food, Nutropap 8,4 8,5 41 0 74 0 Pulses Food, Pulses 50 50 599 892 30 977 Rice Food, Cereals 50 50 0 0 15 5 Salt Food, Salt 1 5 0 2 0 1 Sugar Food, bags 1 1 0 33 1 0 Sukuma wiki Food, bags 1 1 14 0 0 0 Ujimix / Unimix Food, blends 25 25 317 1.814 39 2.624 Tabelle 3: Datengrundlage ABC-XYZ, Verbrauchsmengen „Food“346 346 Verbrauchsmengen zusammengestellt aus www.logcluster.org, Link Kenya, Supply Chain; Annahmen über Preise je Verbrauchsmenge. 116 Hilfsgut „Non-Food“ Zuordnung Preis (EUR/ Stück) Annahme Woche 1 2.-8. Januar Woche 2 9.-15. Januar Woche 3 16.-22. Januar Woche 4 23.-29. Januar Always Normal wing NFI, pcs 5 0 48 0 0 Always with wings NFI, pcs 5 0 112 0 0 Aquatabs NFI, pcs 0,5 0 42.000 0 100.000 Aquatabs NFI, ctns 200 0 0 7 3 Assorted clothes&Shoes NFI, sacks / bags 3 0 3.345 199 8 Bladder Tank NFI, pcs 100 0 0 1 3 Blankets NFI, pcs 5 20 5.218 6.627 1.712 Block Board NFI, pcs 20 0 0 0 12 Brooms NFI, pcs 5 0 0 25 25 Buckets NFI, pcs 2 0 3.980 1.040 1.000 Cooking pot NFI, pcs 3 0 835 2.096 0 NFI Kits und Sets (Family, Displaced, Educational, Kitchen, Recreational, Rapid Fitting) NFI, pcs 20 10 7.300 837 535 Distribution tapstands NFI, pcs 50 0 9 0 3 Jerrican NFI, pcs 1 20 2.093 9.882 1.486 Mobilets NFI, pcs 40 0 0 6 2 Mosq net NFI, pcs 10 20 6.411 5.914 1.702 Pampers NFI, pcs 20 0 126 0 0 Petroleum Jelly NFI, pcs 5 0 7 0 0 Pick Axes NFI, pcs 7 0 5 6 0 Plumb nut NFI, pcs 7 0 50 0 0 R.Plastic Tank NFI, pcs 50 0 1 0 0 Rakes NFI, pcs 5 0 5 50 25 Sanitary Towels NFI, pcs 5 0 336 1.440 5.936 Shovels NFI, pcs 5 0 5 24 12 Soap NFI, pcs 0,5 40 1.818 7.227 5.579 Tarpaulins NFI, pcs 50 10 2.857 4.866 75 Tents NFI, pcs 50 0 0 15 5 Toilet slabs NFI, pcs 10 0 6 40 24 Tyre NFI, pcs 50 0 0 2 2 Wheel Barrows NFI, pcs 20 0 5 12 6 Tabelle 4: Datengrundlage ABC-XYZ, Verbrauchsmengen „Non-Food“347 347 Verbrauchsmengen zusammengestellt aus www.logcluster.org, Link Kenya, Supply Chain; Annahmen über Preise je Verbrauchsmenge. 117 Die nachfolgende Tabelle enthält lediglich Auszüge der Verbrauchsmengen bezogen auf Medikamente. Im Januar des Jahres 2008 erfolgte nur eine Medikamentenauslieferung; diese erfolgte am 12. Januar 2008 an die Mobile Clinic des Roten Kreuzes. Aufgrund dieser Besonderheit, werden die Auslieferungen der 29 unterschiedlichen Medikamente nachfolgend in einer gemeinsamen Summenposition in die weiteren Berechnungen einbezogen. Hilfsgut „Medicaments“ Zuordnung Preis EUR/ Stück Annahme Woche 1 2.-8. Januar Woche 2 9.-15. Januar Woche 3 16.-22. Januar Woche 4 23.-29. Januar Amitripthylene Med., pcs 0 1 0 0 Almox Syrup Med., pcs 0 60 0 0 Ampus Med., pcs 0 10 0 0 … … 0 … 0 0 Vebtril Med., pcs 0 3 0 0 Summe Medicaments 10 0 352 0 0 Tabelle 5: Datengrundlage ABC-XYZ, Verbrauchsmengen „Medicaments“348 Auf Basis der Datengrundlagen der drei Tabellen lässt sich nun die ABC-Analyse nach den 6 in Abschnitt 4.1.1 beschriebenen Schritten durchführen.349 1. In Schritt 1 erfolgt die Ermittlung der Verbrauchswerte für jede Materialart bzw. für jedes Hilfsgut (absolut und relativ gemessen am gesamten Verbrauchswert). Absolut wird im vorliegenden Berechnungsbeispiel der Verbrauchswert (Wm) einer Materialart (m) für den Januar des Jahres 2008 ermittelt, indem die jeweiligen Verbrauchmengen (Vt m) der Wochen (t) addiert und mit dem Preis (pm) der Materialart (bzw. des Hilfsgutes) gewichtet werden. m T t m t m pVW ?????????= ?=1 , mit Wm Verbrauchswert für Materialart m, mit m=1,…,M W Verbrauchswert für alle M Materialien m Index für die Materialart (hier Hilfsgut), mit m=1,…, M Vt m Verbrauchsmenge für Materialart m, mit t=1,…,T t Periodenindex, mit t=1,…,T pm Preis je Einheit für Materialart m 348 Verbrauchsmengen zusammengestellt aus www.logcluster.org, Link Kenya, Supply Chain; Annahmen über Preise je Verbrauchsmenge. 349 Vgl. Erläuterungen und angegebene Quellen im Grundlagenkapitel zur ABC-Analyse in Abschnitt 4.1.1. 118 Auf diese Weise lässt sich der Verbrauchswert der Bohnen („Beans“) als erste Position der Lebensmittel („Food“) aus Tabelle 3 ermitteln, indem die Verbrauchsmengen der Wochen addiert und mit dem Preis multipliziert werden: W1(beans)=(100+63+14+5) * 90 EUR / Einheit = 16.380 EUR Um den relativen Anteil des Hilfsgutes am gesamten Verbrauchswert zu ermitteln, ist zunächst der gesamte Verbrauchswert (W) für das Lager in Eldoret bezogen auf den Januar des Jahres 2008 zu ermitteln: ?== Mm mWW 1 Die Summe der Verbrauchswerte für alle Hilfsgüter (Food, Non Food und Medicaments) beträgt im Berechnungsbeispiel 2.290.415 EUR (siehe Summe der Verbrauchswerte in Tabelle 6). Der relative Anteil des Hilfsgutes „beans“ lässt sich nun wie folgt berechnen: %72,0 415.290.2 380.16 == W Wm Tabelle 6 enthält die Ergebnisse der ABC-Analyse mit Bezug zu den 6 Schritten einer ABC-Analyse. In den Spalten drei und vier finden sich die Berechnungsergebnisse aus Schritt 1. 2. Sortierung der Materialarten nach absteigenden Verbrauchswerten In der Ergebnisdarstellung der nachfolgenden Tabelle werden die Hilfsgüter sortiert nach absteigenden Verbrauchswerten ausgewiesen, hier finden sich die „Beans“ mit dem ermittelten Verbrauchswert in Höhe von 16.380 EUR auf Rang 14. Die höchsten Verbrauchswerte weisen auf Rang 1 Mais („Maize“) und auf Rang 2 Zeltplanen („Tarpaulins“) auf. Auf den Ausweis der Hilfsgüter mit einem Anteil am gesamten Verbrauchswert unterhalb von 0,1% wird in der Tabelle verzichtet (durch eine leere Zeile erfolgt ein Hinweis auf die 23 nicht ausgewiesenen Hilfsgüter mit einem Wertanteil von insgesamt 0,47%). 3. Die Kumulation der relativen Anteile am gesamten Verbrauchswert wird in Spalte 5 ausgewiesen. Dabei wird die Summe über die Anteile am gesamten Verbrauchswert bis zum jeweiligen Rang gebildet. Einen Rang nach den „Beans“ wird auf Rang 15 „Jerrican“ mit kumulierten relativen Wertanteilen in Höhe von 97,57% ausgewiesen. Durch Addition der in Schritt 1 ermittelten relativen Wertanteile der Jerrican (0,59%) zu den 96,98% kumulierten Wertanteilen der Bohnen lässt sich der kumulierte relative Wertanteil auf dem Rang der Position „Jerrican“ in Höhe von 97,57% ermitteln. 119 Schritt 2 Sortierung Hilfsgut: Zuordnung Schritt 1 Verbrauchswert im Januar 2008 (geschätzt) Schritt 1 Anteil am Verbrauchswert im Januar 2008 Schritt 3 Kum. Anteil (Wert) 6. A B C Schritt 4 Durchschn. Verbrauchsmenge pro Woche im Januar 2008 Schritt 4 Anteil an der Verbrauchsmenge im Januar 2008 Schritt 5 Kum. Anteil (Menge) 0% 0% 1. Maize Food, Cer. 848.520 37,05% 37,05% A 2.357,0 3,40% 3,40% 2. Tarpaulins NFI, pcs 390.400 17,04% 54,09% A 1.952,0 2,82% 6,22% 3. NFI Kits NFI, pcs 173.640 7,58% 61,67% B 2.170,5 3,13% 9,36% 4. Mosq net NFI, pcs 140.470 6,13% 67,81% B 3.511,8 5,07% 14,43% 5. Pulses Food, Pulses 124.900 5,45% 73,26% B 624,5 0,90% 15,33% 6. Maize Flour Food, Cer. 122.928 5,37% 78,63% B 1.280,5 1,85% 17,18% 7. Ujimix / Unimix Food, blends 119.850 5,23% 83,86% B 1198,5 1,73% 18,91% 8. Aquatab NFI, pcs 71.000 3,10% 86,96% C 35.500,0 51,26% 70,17% 9. Blanket NFI, pcs 67.885 2,96% 89,92% C 3.394,3 4,90% 75,07% 10. Veg Oil Food, Veg Oil 43.497 1,90% 91,82% C 543,7 0,79% 75,86% 11. San. Towels NFI, pcs 38.560 1,68% 93,50% C 1.928,0 2,78% 78,64% 12. Milk, … Food, Milk 35.105 1,53% 95,04% C 3.510,5 5,07% 83,71% 13. Biscuits Food, HEB 28.190 1,23% 96,27% C 704,8 1,02% 84,73% 14. Beans Food, Pulses 16.380 0,72% 96,98% C 45,5 0,07% 84,79% 15. Jerrican NFI, pcs 13.481 0,59% 97,57% C 3.370,3 4,87% 89,66% 16. Bucket NFI, pcs 12.040 0,53% 98,10% C 1.505,0 2,17% 91,83% 17. Assorted clothes… NFI, bags 10.656 0,47% 98,56% C 888,0 1,28% 93,11% 18. Cooking pot NFI, pcs 8.793 0,38% 98,95% C 732,8 1,06% 94,17% 19. Soap NFI, pcs 7.332 0,32% 99,27% C 3.666,0 5,29% 99,47% 20. Medikamente Med., pcs 3.520 0,15% 99,42% C 88,0 0,13% 99,59% 21. Pampers NFI, pcs 2.520 0,11% 99,53% C 31,5 0,05% 99,64% 22.-45. … … … C … … … 46. Bread Food, Loave 14 0,00% 100% C 2,3 0,00% 100% Summe 2.290.415 100% 69.253,2 100% Tabelle 6: Ergebnisse der ABC-Analyse, Kenia, Januar 2008350 350 Eigene Darstellung mit Ausblendung der Ränge 22-45. Rundungsdifferenzen sind möglich. 120 4. Durch die Berechnungen in Schritt 4 werden die Verbrauchsmengen für jede Materialart bzw. für jedes Hilfsgut (absolut und relativ gemessen an der gesamten Verbrauchsmenge) ermittelt. Absolut wird im vorliegenden Berechnungsbeispiel der durchschnittliche Verbrauch (?m) einer Materialart (m) je Woche im Januar des Jahres 2008 ermittelt, indem die zugehörige Verbrauchsmenge (Vt m) der Wochen (t) summiert und durch die Anzahl der Wochen (T) geteilt werden: T V T t m t m ?== 1? , es gelten die oben angegebenen Symbole und zusätzlich ?m Mittelwert für Materialart bzw. Hilfsgut m ? Mittelwert für alle M Materialien / Hilfsgüter Die durchschnittliche Verbrauchsmenge der Bohnen („Beans“) einer Woche im Januar des Jahres 2008 lässt sich aus den Daten der Tabelle 3 ermitteln: ?1(beans)=(100+63+14+5) / 4 = 45,5 Durchschnittlich wurden in jeder Woche 45,5 Säcke mit einem Gewicht von jeweils 90 kg ausgeliefert. Dieses Ergebnis lässt sich ebenso der Ergebnistabelle zur ABC-Analyse entnehmen wie der relative Anteil an der gesamten Verbrauchsmenge im Januar 2008 (vgl. hierzu Tabelle 6): ?==== Mm mm mit 1 ??%,07,02,253.69 5,45?? 5. Die Kumulation der relativen Anteile an der gesamten Verbrauchsmenge erfolgt in der letzten Spalte analog zu Berechnungsschritt 3 und bezieht sich nun auf die relativen Mengen (84,79% für die Position der „Beans“). 6. Die Festlegung der Klassengrenzen (A, B, C) in Schritt 6 wird in einer Spalte zwischen der Wert- und Mengenrechnung ausgewiesen, da sich die Klasseneinteilung an den relativen Verbrauchswerten orientiert. In diesem Berechnungsbeispiel bietet es sich an, die Klassengrenze zwischen A- und B-Hilfsgütern bereits nach den ersten beiden Positionen Mais und Zeltplanen zu setzen. Abweichend von den in Abschnitt 4.1.1 angegebenen üblichen 70-80% Wertanteile der A-Güter liegen diese zwar nur bei 54,09%. Diese beiden Positionen heben sich mit den relativen Anteilen an den Verbrauchswerten jedoch so deutlich von den folgenden Hilfsgütern ab, dass die Güter in einer gesonderten Klasse ausgewiesen werden sollten. Abbildung 31 visualisiert die Ergebnisse der ABC- Analyse aus Tabelle 6 mit den Klassengrenzen der A-, B- und C-Hilfsgüter. 121 Kumulierte relative Verbrauchswerte (%) für Januar 2008 Kumulierte relative Verbrauchsmenge (%) für Januar 2008 100% 50% 100% 50% A-Güter, z. B. Mais, Zeltplanen ? kum. Wertanteil: 54,09% ? kum. Mengenanteil: 6,22% B-Güter, z. B. Moskitonetze, Hülsenfrüchte ? kum. Wertanteil: 83,86% ? kum. Mengenanteil: 18,91% C-Güter, z. B. Seife, Kochtöpfe, Bohnen ? kum. Wertanteil: 100% ? kum. Mengenanteil: 100% Abbildung 31: Ergebnisdarstellung ABC-Analyse, Kenia, Januar 2008351 Über die Wertigkeit der Hilfsgüter hinaus wird nun ergänzend die Verbrauchsschwankung durch eine XYZ-Analyse analysiert. Die Datengrundlagen bilden die drei bereits bekannten Tabellen zu den wöchentlichen Verbrauchsmengen der Hilfsgüter in Kenia, Eldoret im Monat Januar 2008. Die Grundlage für die Klasseneinteilung bilden nun nicht Verbrauchswerte sondern Variationskoeffizienten als Maß für die Verbrauchsschwankungen. In Schritt 1 der XYZ-Analyse wird für jede Materialart (in diesem Beispiel stellen die Materialarten wiederum Hilfsgüter dar) der Variationskoeffizient (VKm) ermittelt. Dieser gibt die relative Streuung um den Mittelwert an.352 VKm = ?m / ?m, mit VKm Variationskoeffizient für Materialart / Hilfsgut m VK Summe der Variationskoeffizienten für alle M Materialarten ?m Standardabweichung für Materialart / Hilfsgut m ?m Mittelwert für Materialart / Hilfsgut m (Formel bekannt aus ABC) Die Formel zur Berechnung der Mittelwerte ist aus der ABC-Analyse bereits bekannt; zusätzlich ist die Standardabweichung als absolutes Maß für die Streuung um den Mittelwert nach folgender Formel zu berechnen:353 ?m = ( ) T V T t mm t?= ?1 2? 351 Eigene Darstellung auf Grundlage der Berechnungsergebnisse. 352 Vgl. zur Berechnung des Variationskoeffizienten Bleymüller, Josef / Gehlert, Günther / Gülicher, Herbert (2004), S. 13-22. 353 Vgl. Bleymüller, Josef / Gehlert, Günther / Gülicher, Herbert (2004), S. 19-22. 122 Das Berechnungsbeispiel der „Beans“ als erste Position der Tabelle mit den Hilfsgütern aus dem Bereich „Food“ wird nun fortgeführt. Der Mittelwert (Verbrauchswert je Woche ist bereits bekannt: 45,5), die Standardabweichung beträgt: ?beans = ( ) ( ) ( ) ( ) 44,38 4 5909 4 5,4555,45145,45635,45100 2222 ==?+?+?+? Demnach beträgt der Variationskoeffizient der „Beans“ VKbeans = ?beans / ?beans = 845,0 5,45 44,38 = . Da der Variationskoeffizient bereits eine relative Größe darstellt, wird auf eine Ermittlung der Anteile am gesamten Variationskoeffizienten in der XYZ-Analyse häufig verzichtet. Aufgrund der außerordentlich hohen Variationskoeffizienten im Katastrophenmanagement (diese liegen mehrfach über 1) werden im Folgenden die Anteile am gesamten Variationskoeffizienten ebenfalls ermittelt, nur so lassen sich die Ergebnisse der XYZ-Analyse grafisch in der bekannten Verlaufsform darstellen. Für das Berechnungsbeispiel beträgt die Summe der Variationskoeffizienten 625,55 1 ==?=Mm mVKVK und damit der Anteil des Variationskoeffizienten der „Beans“ an dieser Summe %52,1 625,55 845,0 == VK VKm . (Vgl. grau hinterlegte Zeile der Tabelle 7). Der Variationskoeffizient aller anderen Hilfsgüter wird ebenso nach den angegebenen Formeln berechnet. Die folgende Ergebnistabelle der XYZ-Analyse enthält die Hilfsgüter bereits in der Rangbildung nach aufsteigenden Variationskoeffizienten (Schritt 2). Die Mengenberechnung (Schritt 4) lässt sich aus der ABC-Analyse übertragen (nachfolgend gerundet auf ganze Stück); die Kumulation in den Schritten 3 und 5 erfolgt nun in der neuen Reihenfolge. Die Ränge 22-45 werden wie in der ABC-Analyse nicht mit den Detailinformationen ausgewiesen, damit sich die Ergebnisse übersichtlich darstellen lassen. Es handelt sich um Hilfsgüter mit Variationskoeffizienten, die den Wert 1,0792 übersteigen und somit sehr hohe Mengenschwankungen über die vier erfassten Wochen aufweisen. In Schritt 6 der XYZ-Analyse erfolgt die Einteilung der Hilfsgüter in die Klassen X, Y und Z. Sowohl die Klassenzuordnung als auch der Verlauf der Konzentrationskurve (siehe hierzu Abbildung 32) ist ungewöhnlich, da der Lagerabgang aller Hilfsgüter über die vier Wochen im Januar 2008 sehr hohe Schwankungen aufweist. Der geringste Wert eines Variationskoeffizienten beträgt 0,5937 für die Hülsenfrüchte; ein Wert, der in vielen Branchen der Privatwirtschaft einem Z-Gut entsprechen würde. Dennoch wird zu Darstellungs- und Erläuterungszwecken eine entsprechende Einteilung und Darstellung vorgenommen. 123 Schritt 2 Sortierung Hilfsgut: Zuordnung Schritt 1 Variationskoeffizient im Januar 2008 (geschätzt) Schritt 1 Anteil am VK im Januar 2008 Schritt 3 Kum. Anteil (VK) 6. X Y Z Schritt 4 Durchschn. Verbrauchsmenge pro Woche im Januar 2008 Schritt 4 Anteil an der Verbrauchsmenge im Januar 2008 Schritt 5 Kum. Anteil (Menge) 1. Pulses Food, Pulses 0,5937 1,07% 1,07% X 625 0,90% 0,90% 2. Maize Food, Cer. 0,6712 1,21% 2,27% X 2.357 3,40% 4,31% 3. Wheel Barrows NFI, pcs 0,7417 1,33% 3,61% Y 6 0,01% 4,31% 4. Mosq net NFI, pcs 0,7752 1,39% 5,00% Y 3.512 5,07% 9,38% 5. Blankets NFI, pcs 0,7794 1,40% 6,40% Y 3.394 4,90% 14,29% 6. Soap NFI, pcs 0,7823 1,41% 7,81% Y 3.666 5,29% 19,58% 7. Beans Food, Pulses 0,8447 1,52% 9,33% Y 46 0,07% 19,64% 8. Shovels NFI, pcs 0,8791 1,58% 10,91% Y 10 0,01% 19,66% 9. Ujimix / Unimix Food, blends 0,8882 1,60% 12,50% Y 1.199 1,73% 21,39% 10. Toilet slabs NFI, pcs 0,8976 1,61% 14,12% Y 18 0,03% 21,42% 11. Veg Oil Food, Veg Oil 0,9069 1,63% 15,75% Y 544 0,79% 22,20% 12. Rakes NFI, pcs 0,9843 1,77% 17,52% Z 20 0,03% 22,23% 13. Buckets NFI, pcs 0,9890 1,78% 19,30% Z 1.505 2,17% 24,40% 14. Milk, … Food, Milk 0,9974 1,79% 21,09% Z 3.511 5,07% 29,47% 15. Brooms NFI, pcs 1,0000 1,80% 22,89% Z 13 0,02% 29,49% 16. Tyre NFI, pcs 1,0000 1,80% 24,68% Z 1 0,00% 29,49% 17. Pick Axes NFI, pcs 1,0082 1,81% 26,50% Z 3 0,00% 29,50% 18. Biscuits Food, HEB 1,0257 1,84% 28,34% Z 705 1,02% 30,51% 19. Tarpaulins NFI, pcs 1,0438 1,88% 30,22% Z 1.952 2,82% 33,33% 20. Eggs Food, Trays 1,0702 1,92% 32,14% Z 61 0,09% 33,42% 21. Nutropap Food, Nutrop. 1,0792 1,94% 34,08% Z 29 0,04% 33,46% 22.-45. … … … Z … … … 46. Pampers NFI, pcs 1,7321 3,11% 100% Z 32 0,05% 100% Summe 55,6253 100% 69.253 100% Tabelle 7: Ergebnisse der XYZ-Analyse, Kenia, Januar 2008354 354 Eigene Darstellung. Rundungsdifferenzen sind möglich. 124 X-Güter, z. B. Hülsenfrüchte, Mais? kum. Anteil VK: 2,27% ? kum. Mengenanteil: 4,31% Y-Güter, z. B. Moskitonetze, Bohnen, Seife ? kum. Anteil VK: 15,75% ? kum. Mengenanteil: 20,20% Z-Güter, z. B. Zeltplanen, Eier ? kum. Wertanteil: 100% ? kum. Mengenanteil: 100% Kumulierte Anteile der Variationskoeffizienten (%) für Januar 2008 Kumulierte relative Verbrauchsmenge (%) für Januar 2008 100% 50% 100% 50% Abbildung 32: Ergebnisdarstellung XYZ-Analyse, Kenia, Januar 2008355 In der Zusammenfassung der Ergebnisse aus der ABC- und XYZ-Analyse lassen sich Hilfsgüter nach ihrem Anteil sowohl am Verbrauchswert als auch an den Verbrauchsschwankungen klassifizieren, so z. B. ? Mais „Maizes“ als AX-Hilfsgut, ? Seife „Soap“ als CY-Hilfsgut sowie ? Moskitonetze „Mosq Net“ als BY-Hilfsgüter. Damit kann sich für das AX-Hilfsgut Mais eine sofortige Anlieferung durch die Mais-Lieferanten eignen. Durch Verträge mit Landwirten und Lieferanten vor Ort kann sichergestellt werden, dass ausreichend Mais vorgehalten und im Bedarfsfall sofort geliefert wird. Durch eine Verteilung auf mehrere Lieferanten und Standorte sollte sichergestellt werden, dass auch bei einer Zerstörung von Teilen der Infrastruktur eine Versorgung der Bevölkerung erfolgen kann. Auch das Lager des Kenianischen Roten Kreuzes kann als Lagerstandort gewählt werden, jedoch ist eine Lagerung der gesamten Bedarfsmenge im Katastrophenfall mit einer zu hohen Kapitalbindung verbunden. Für die Seife als CY-Hilfsgut kann sich mit einer bewussten Lagerhaltung im Lager des Kenianischen Roten Kreuzes das Beschaffungskonzept der Verbrauchssteuerung eignen. Der Wert der Seife ist vergleichsweise gering, sodass die mit der Lagerung verbundenen Kapitalbindungskosten relativ gering sind. Für Hilfsgüter, wie Moskitonetze, die mittlere relative Verbrauchswerte und Schwankungen aufweisen, ist die Eignung der Beschaffungskonzepte im Einzelfall zu prüfen, in einigen Fällen wird auch eine Kombination aus mehreren Beschaffungskonzepten gewählt werden. 355 Eigene Darstellung auf Grundlage der Berechnungsergebnisse. 125 Für die reale Anwendung einer ABC-XYZ-Analyse zur Vor-Auswahl geeigneter Beschaffungskonzepte ist den Akteuren des Katastrophenmanagements eine Erweiterung der Berechnung auf mehrere Perioden und Katastrophen in einem größeren Gebiet anzuraten. Die Verbrauchswerte, -mengen und -schwankungen der Hilfsgüter lassen sich auf mehrere Jahre und auf mehrere Katastrophen in Kenia oder einer größeren Region Afrikas beziehen. Da die Auswahl von Beschaffungskonzepten für Hilfsgüter nicht kurz- sondern eher mittel- bis langfristig ausgerichtet ist und sich in der Regel auf ein größeres Gebiet bezieht, sollte auch die Datenbasis auf einen entsprechend längeren Zeitraum und ein entsprechend größeres Gebiet ausgeweitet werden. Die Berechnungsbeispiele des folgenden Abschnitts beziehen sich auf längere Zeiträume (mehrere Jahre) und größere Gebiete (weltweit), um entsprechende Anhaltspunkte für eine Erweiterung der Berechnungen zu erhalten. Der Bezug zu jedem einzelnen Hilfsgut lässt sich jedoch in diesem größeren Kontext anschaulich nicht mehr darstellen, sodass eine zusammenfassende Darstellung mit Bezug zu weltweiten Regionen und zu Katastrophenarten erfolgt. Die Akteure des Katastrophenmanagements verfügen über Daten (oder können diese generieren), um eine ABC-XYZ- Analyse für eine Kombination aus Region, Katastrophenart und Hilfsgut zu erstellen. 4.1.3 ABC-XYZ-Analyse für Regionen und Katastrophenarten Die nachfolgenden Berechnungen geben zum Einen Anhaltspunkte, wie die Berechnungen zur Vor-Auswahl geeigneter Beschaffungskonzepte aus einer Klassifizierung der Hilfsgüter des vorherigen Abschnitts in einen breiteren Kontext eingebunden werden können; zum Anderen lassen sich die nachfolgenden Berechnungen für weitere Gestaltungsfragen der Katastrophenvorsorge einsetzen. So lässt sich eine Auswertung nach weltweiten Regionen verwenden, um mögliche Standorte für Zentralläger der Hilfsorganisationen zu identifizieren, die dann im Rahmen einer differenzierten Standortplanung einer Bewertung und Auswahl unterzogen werden. Die Bewertung der Katastrophen erfolgt im Folgenden zudem auf einer anderen Grundlage, sodass die Vielfalt möglicher Einsatzgebiete der ABC-XYZ-Analysen verdeutlicht wird. Die Bewertungsgrundlage bildet nachfolgend anstelle von Verbrauchswerten die Anzahl der durch Katastrophen betroffenen Menschen. Je nach Bewertungskriterium wird eine andere Zielsetzung aus dem Zielsystem des Katastrophenmanagement und der Logistik angesprochen: Während Verbrauchswerte in Verbindung mit der Auswahl von Beschaffungskonzepten verwendet werden, um geringe Lagerkosten (insbesondere Kapitalbindungskosten) realisieren zu können, setzt die Anzahl betroffener Menschen zur Auswahl von Standortgebieten für Zentralläger eher an Servicegrößen an: Angestrebt wird, die Zentralläger so zu positionieren, dass möglichst viele betroffene Menschen innerhalb eines möglichst kurzen Zeitraumes mit Hilfsgütern versorgt werden können.

Chapter Preview

References

Zusammenfassung

Im internationalen Katastrophenmanagement werden täglich Entscheidungen mit Logistikbezug getroffen. Die Autorin skizziert die Vielfalt der Entscheidungen durch die folgende Fragestellung: Welche Beschaffungskonzepte, Standorte, Touren, Informationssysteme und Konzepte der Zusammenarbeit sollen im Rahmen der Katastrophenvorsorge und -bewältigung realisiert werden?

Da die Entscheidungen in hohem Maße Qualität und Kosten der Versorgung betroffener Menschen beeinflussen, sollten diese nicht alleine aus dem Erfahrungswissen heraus getroffen, sondern durch logistische Planungsmethoden unterstützt werden.

Anwendungsbezogen und verständlich wird in dem Buch der Einsatz geeigneter Methoden (z. B. Standortplanung, Netzplantechnik) am Beispiel realer Katastrophen vermittelt. Konzepte des SCM und aktuelle Informationssysteme werden mit ihren Potenzialen und Grenzen für das internationale Katastrophenmanagement vorgestellt und unter Einsatz geeigneter Entscheidungskriterien exemplarisch bewertet.