In this article a regression function is described, that could be used for calculation of driving times of freight vehicles. This is especially helpful in connection with large numbers of data, which are necessary to calculate the usually yearly based contract volumes of road hauliers. Through the integration of this function in existing ERP systems, the transfer orders or even tours could be significantly assessed.
Inhaltsverzeichnis
1 Einleitung
2 Zur Methodik
3 Regressionsrechnung
4 Fazit
Zielsetzung und Themen
Die vorliegende Arbeit zielt darauf ab, eine mathematische Regressionsfunktion zu entwickeln, mit deren Hilfe bei gegebener Streckenentfernung die Fahrzeit von Fernverkehrsfahrzeugen näherungsweise ermittelt werden kann, um eine zügige Kalkulation von Transportaufträgen und Jahreskontrakten in ERP-Systemen zu ermöglichen.
- Analyse der Kostensituation und Preisanpassungsproblematik im Straßengüterverkehr.
- Grundlagen der Regressionsrechnung und der Methode der kleinsten Quadrate.
- Erstellung eines empirischen Datenpools zur Modellbildung.
- Entwicklung und statistische Überprüfung einer mathematischen Formel zur Fahrzeitermittlung.
- Integration der entwickelten Lösung in betriebliche IT-Systeme zur Effizienzsteigerung.
Auszug aus dem Buch
1 Einleitung
Mit etwa 77% der Beförderungsmenge hat der Straßengüterverkehr den stärksten Anteil am Transportaufkommen [STAT07], das bis zum Jahr 2015 noch um mehr als 20%, auf insgesamt 4.632 Millionen Tonnen Transportgut bei 420 Mrd. Tonnenkilometern, ansteigen soll [Mann01, 200ff, Reim05]. Die Transportunternehmen haben seit der Liberalisierung der Güterverkehrsmärkte einen deutlichen Verfall der Transportpreise und Frachttarife zu verzeichnen und können darüber hinaus die steigenden Kosten nur unzulänglich an ihre Kunden weitergeben. In diesem Zusammenhang sind insbesondere die Kraftstoffkosten, die neben den Personalkosten den zweithöchsten Anteil an den Gesamtkosten der deutschen Transportunternehmen erreichen, von Bedeutung [vgl. BAGa07, 17].
Die Vereinbarungen bezüglich der Beförderungsentgelte erfolgen jedoch überwiegend im Rahmen von längerfristigen Verträgen bzw. Jahreskontrakten, so dass Preisanpassungen nur schwer durchsetzbar sind [vgl. BAGa07, 15] und die Transportunternehmen den Mehraufwand selbst tragen müssen. Insbesondere bei den Beförderungen von Lebensmitteln, im Automobilsektor und im Bausektor sind auf Grund des hohen Wettbewerbsdrucks nur unterdurchschnittliche Entgelterhöhungen im Rahmen der regelmäßigen Vertragsverhandlungen zum Jahreswechsel 07/08 erreicht worden [ebd., 15]. Im aktuellen Jahr lag der Dieselpreis nach Angaben des Statistischen Bundesamts im Januar bei 99,20€, erreichte dann bis Juli 123,23€ und befand sich im Oktober bei 101,50€ [vgl. BGLa08, 2].
Zusammenfassung der Kapitel
1 Einleitung: Dieses Kapitel erläutert die wirtschaftliche Ausgangslage der Transportbranche unter besonderer Berücksichtigung steigender Kraftstoffpreise und der Notwendigkeit einer präzisen Kalkulationsgrundlage für Transportaufträge.
2 Zur Methodik: Es werden die wissenschaftlichen Grundlagen für die Regressionsrechnung beschrieben, wobei insbesondere die Methode der kleinsten Quadrate und Verfahren zur statistischen Varianzschätzung erläutert werden.
3 Regressionsrechnung: Dieser Abschnitt widmet sich der Erstellung eines empirischen Datenpools mittels einer Softwarelösung und präsentiert die daraus entwickelte mathematische Funktion zur Ermittlung von Fahrzeiten.
4 Fazit: Das Kapitel schließt mit einer Bewertung der Praxistauglichkeit der Regressionsfunktion und dem Hinweis auf deren Implementierungsmöglichkeiten in bestehende Warenwirtschaftssysteme.
Schlüsselwörter
Regressionsfunktion, Fahrzeiten, Straßengüterverkehr, Transportkosten, Kalkulation, Methode der kleinsten Quadrate, ERP-Systeme, Warenwirtschaftssystem, Logistik, Transportaufträge, Dieselpreise, Jahreskontrakte, Datenpool, statistische Analyse, Kraftstoffkosten.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit befasst sich mit der Entwicklung einer mathematischen Regressionsfunktion, die logistischen Unternehmen dabei hilft, Fahrzeiten für Gütertransporte basierend auf der Streckenentfernung effizient zu kalkulieren.
Was sind die zentralen Themenfelder?
Die zentralen Felder umfassen den Straßengüterverkehr, die betriebliche Logistik, statistische Regressionsverfahren sowie die softwaretechnische Integration von Berechnungsmodellen in ERP- oder Warenwirtschaftssysteme.
Was ist das primäre Ziel der Untersuchung?
Das primäre Ziel ist die Bereitstellung einer verlässlichen Formel, um bei einer hohen Anzahl an Datensätzen und vorliegenden Streckenentfernungen eine schnelle und hinreichend genaue Ermittlung der zugehörigen Fahrzeiten zu ermöglichen.
Welche wissenschaftliche Methode kommt zum Einsatz?
Der Autor verwendet die Methode der kleinsten Quadrate, um die Koeffizienten der Regressionsfunktion basierend auf empirisch erhobenen Daten zu bestimmen.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in die methodischen Grundlagen der statistischen Analyse sowie die konkrete Regressionsrechnung, bei der ein Datenpool aus Referenzwerten genutzt wird, um die Leistungsfähigkeit der mathematischen Funktion zu belegen.
Welche Schlüsselbegriffe charakterisieren die Arbeit?
Zu den wichtigsten Begriffen gehören Regressionsfunktion, Fahrzeiten, Kalkulation, Transportkosten, Logistik und die Methode der kleinsten Quadrate.
Warum ist die Berechnung der Fahrzeit in dieser Branche so schwierig?
Da viele Transportaufträge auf Jahreskontrakten basieren, ist eine zügige und zugleich genaue Kalkulation bei tausenden von Aufträgen notwendig, die mit rein manuellen Methoden oder Tabellenkalkulationen oft zu zeitaufwendig ist.
Wie genau ist die entwickelte Regressionsfunktion?
Die entwickelte Funktion weist gegenüber den Referenzdaten eine mittlere Abweichung von etwa 0,17 % auf, was in der Praxis einer Differenz von nur ca. 10 Minuten entspricht.
Was bedeutet der dritte Koeffizient in der Formel?
Der dritte Koeffizient von 0,14 wird in der Praxis als Zeitaufwand für die Herstellung der Fahrbereitschaft interpretiert, etwa für die Überprüfung des Lkws oder den Aufbau des Drucks in der Bremsanlage.
Wie lässt sich die Lösung in der Praxis anwenden?
Die Formel kann direkt in existierende Warenwirtschaftssysteme (WWS) oder ERP-Software integriert werden, um so automatisierte Bewertungen von Transportaufträgen und kompletten Touren zu ermöglichen.
- Quote paper
- Dipl.-Wirt. Ing., Dipl.-Ing. Stephan Hens (Author), 2008, Regressionsfunktion zur Ermittlung von Fahrzeiten im gewerblichen Güterkraftverkehr, Munich, GRIN Verlag, https://www.hausarbeiten.de/document/119716
