Benchmarking of Min/Max, Economic Order Quantity, and DDMRP Inventory Management Policies by Simulation

Year 2024, Volume: 31 Issue: 1, 27 - 46, 26.03.2024

Batuhan Kocaoğlu Utkan Uluçay

https://doi.org/10.18657/yonveek.1286214

Abstract

Supply chains are adversely affected by increased volatility and uncertainty. Deterministic-push-based MRP (Material Requirement Planning) methods for production and stock management in turbulent markets have difficulty meeting the expected performance. In order to overcome this difficulty, the Dynamic-Drawn Demand Driven Material Requirement Planning (DDMRP) method has been proposed.
In this study, with the Hannah's Shop package simulator prepared on AnyLogic by Goldratt Research Labs, MRP-based min/max and economic order quantity (EOQ-Economic Order) for 10 products in 4 different categories having several editable attributes to run under differing variability – capacity – seasonality scenarios. Key performance indicators (KPI) are selected to demonstrate the performance of MRP min-max and MRP EOQ vs DDMRP.
While the variability increased in the simulator trials, it was observed that the DDMRP method provided higher performance than the EOQ and min/max methods. However, resource constraints may be seen due to frequent shipments.
The DDMRP method has the potential to be used in part or all of the Supply Chain for raw material or finished goods inventory management. It will help determine a stock management strategy, especially in turbulent markets and SMEs with limited stock holding capacity or budget.
The simulator allows sector practitioners to compare the EOQ - min/max methods and DDMRP methods by simulating the closest setup to the existing business environments. The reproducibility of the method will meet the need for benchmarking after the pandemic and supply chain breaks.
Keywords: MRP, DDMRP, EOQ, Inventory Management, Supply Chain Management, Simulation
JEL Classification: M11

Keywords

MRP, DDMRP, EOQ, Inventory Management, Supply Chain Management, Simulation

Project Number

???

Stok Yönetiminde Min/Mak, Ekonomik Sipariş Miktarı ve DDMRP Politikalarının Simülasyonla Kıyaslaması

Abstract

Tedarik zincirleri artan değişkenlik ve belirsizlikten olumsuz etkilenmektedir. Çalkantılı piyasalarda üretim ve stok yönetimi için deterministik-doğrusal-itme tabiatlı MRP (Material Requirement Planning) yöntemleri beklenen performansı karşılamakta zorlanmaktadır. Bu zorluğu aşmak üzere Dinamik-çekme tabiatlı Talebe Duyarlı MRP (DDMRP-Demand Driven Material Requirement Planning) yöntemi önerilmiştir.
Bu çalışmada Goldratt Research Labs tarafından AnyLogic üzerinde hazırlanan Hannah’s Shop paket simülatörüyle değişkenlik olmayan ideal şartlarda, farklı ölçülerde değişkenlik içeren şartlarda, mevsimlik dalgalanma ve tedarik kapasite kısıtlarıyla 4 farklı kategorideki 10 ürün için MRP tabanlı min/maks ve ekonomik sipariş miktarı (EOQ-Economic Order Quantity) politikalarıyla Talebe Duyarlı MRP arasında operasyonel ve finansal kriterlerde kıyaslama yapılmıştır.
Simülatör denemelerinde değişkenlik artarken DDMRP yönteminin, EOQ ve min/maks yöntemlerine göre daha yüksek performans sağladığı gözlenmiştir. Ancak sık sevkiyat gerektirmesi nedeniyle kaynak kısıtları görülebilecektir.
DDMRP yönteminin hammadde veya mamul stok yönetimi için Tedarik Zincirinin bir kısmı veya tamamında kullanılma potansiyeli vardır. Özellikle çalkantılı piyasalarda ve stok tutma kapasitesi veya bütçesi sınırlı olan KOBİ’lerde stok yönetim stratejisi belirlemeye yardımcı olacaktır.
Kullanılan simülatör sektör uygulamacılarına mevcut iş ortamlarına en yakın kurguya benzeterek EOQ - min/maks yöntemleriyle DDMRP yöntemlerini karşılaştırma fırsatı vermektedir. Yöntemin tekrarlanabilir olması, pandemi ve tedarik zinciri kırılmaları sonrasında görülen kıyaslama yapma ihtiyacını karşılayacaktır.
Anahtar Kelimeler: MRP, DDMRP, Ekonomik Sipariş Miktarı, Stok Yönetimi, Tedarik Zinciri Yönetimi, Simülasyon
JEL Sınıflandırması: M11

Keywords

MRP, DDMRP, Ekonomik Sipariş Miktarı, Stok Yönetimi, Tedarik Zinciri Yönetimi, Simülasyon

Supporting Institution

yoktur

Project Number

???

Thanks

Hannah’s Shop simülatöre erişim sağlayan Dr. Alan Bernard ve simülatörü kodlayan Benjamin Schumann’ a teşekkür ederiz.

References

• Achergui, A., Allaoui, H., & Hsu, T. (2020). Strategic DDMRP's Buffer Positioning for hybrid MTO/MTS manufacturing. IEEE International Conference on Technology Management, Operations and Decisions. IEEE (ICTMOD). doi:10.1109/ICTMOD49425.2020.9380588
• Achergui, A., Allaoui, H., & Hsu, T. (2021). Optimisation of the Automated buffer positioning model under DDMRP logic. IFAC Papers Online (pp. 582-588). IFAC PapersOnLine 54-1. doi:10.1016/j.ifacol.2021.08.067
• Dessevre, G., Baptiste, P., Lamothe, J., & Pellerin, R. (2023). Visual charts produced by simulation to correlate service rate, resource utilization and DDMRP parameters. International Journal of Production Research, 61(3), pp. 741-753. doi:10.1080/00207543.2021.2015808
• Favaretto, D., & Marin, A. (2018). Working Paper: An Empirical Comparison Study Between DDMRP and MRP in Material Management. Venezia: Universita Ca'Foscari Venezia.
• Fridgeirsson, T. V., Ingason, H. T., Jonasson, H. I., & Kristjansdottir, B. H. (2021). The VUCAlity of Projects: A New Approach to Assess a Project Risk in a Complex World. Sustainability, pp. 1-13. doi:10.3390/su13073808
• Georgiadis, G., & Rajaram, K. (2013). The Retail Planning Problem Under Demand Uncertainity. Production and Operations Management, pp. 1200-1213.
• Goldratt, E., Eshkoli, I., & Brownleer, J. (2009). Isn't It Obvious? Great Barrington: The North River Press.
• Gökçen, M., Boru, A., & Dosdoğru, A. T. (2018). İki Aşamalı Tedarik Zincirinde Eş Zamanı Stok Kontrolünün ve Tedarikçi Seçiminin Simülasyon Optimizasyonu Yaklaşımı ile Analizi. Karaelmas Fen ve Mühendislik Dergisi, 8(1), pp. 1-10. doi:10.7212%2Fzkufbd.v8i1.617
• Hannah's Shop. (2023). Retrieved from Goldratt Research Labs: https://www.hannahsshop.com/vsl-order-form-uio
• Kortabarria, A., Apaolaza, U., Lizarralde, A., & Amorrortu, I. (2018). Material Management without Forecasting: From MRP to Demand Driven MRP. Journal of Industrial Engineering and Management, 11(4), 632-650. doi:10.3926/jiem.2654
• Margherita, A., Banchi, E., Biffi, A., Castri, G. d., & Morelli, R. (2022). Beyond Total Cost Management (TCM) to Systemic Value Management (SVM): Transformational Trends and a Research Manifesto for an Evolving Discipline. Sustainability. doi:10.3390/su141912890
• Martin, G., Lauras, M., & Baptiste, P. (2022). Dynamical multi-parameter sizing of DDMRP buffers in finite capacity flow-shops. Computers & Industrial Engineering, 175. doi:10.1016/j.cıe.2022.108858
• Miclo, R., Fontanili, F., Lauras, M., Lamothe, J., & Milian, B. (2015). MRP vs. Demand-Driven MRP: Towards an Objective Comparison. 6th IESM Conference. Seville: IESM.
• Miclo, R., Fontanili, F., Lauras, M., Lamothe, J., & Milian, B. (2016). An Empirical Comparison of MRPII and Demand-Driven MRP. In IFAC (Ed.). 49, pp. 1725-1730. IFAC. doi:10.1016/j.ifacol.2016.07.831
• Miclo, R., Lauras, M., Fontanili, F., Lamothe, J., & Melnyk, S. (2019). Demand Driven MRP: assessment of a new approach to materials management. International Journal of Production Research, 57 (1), pp. 166-181. doi:10.1080/00207543.2018.1464230
• Ptak, C. A., & Smith, C. J. (2011). Orlycky's Materail Requirements Planning 3rd edition. New York: McGraw-Hill.
• Ptak, C., & Smith, C. (2016). DDMRP. South Norwalk: Industrail Press Inc.
• Shofa, M. J., & Widyarto, W. O. (2017). Effective Production Control in an Automotive Industry: MRP vs. Demand-Driven MRP. AIP Conference Proceedings. 1855, pp. 020004.1- 020004.9. AIP Publishing. doi:10.1063/1.4985449
• Shofa, M. J., Moeis, A. O., & Restiana, N. (2018). Effective production planning for purchased part under long lead time and uncertain demand: MRP vs. demand-driven MRP. IOP Conference Series: Material Science and Engineering. 337 012055. IOP Publishing Ltd. doi:10.1088/1757-899X/337/1/012055
• Thürer, M., Fernandes, N. O., & Stevenson, M. (2020). Production Planning and Control in Multi-Stage Assembly Systems: An Assessment of Kanban, MRP, OPT (DBR) and DDMRP by Simulation. Uluçay, U. (2014). Bir Taşla İki Kuş-Lojistiğinizi biz yapalım, Türkiye kazansın. Lojistik Dergisi(32), pp. 23-29.