Please use this identifier to cite or link to this item: http://dx.doi.org/10.14279/depositonce-9828
For citation please use:
Main Title: Supplier Risk Monitoring - Wissensmanagement als Grundlage einer präventiven Lieferantenbewertung
Translated Title: Supplier risk monitoring - knowledgemanagement as a basis of a preventive supplier evaluation
Author(s): Wilde, Maria Anja
Advisor(s): Dust, Robert
Referee(s): Dust, Robert
Bracke, Stefan
Granting Institution: Technische Universität Berlin
Type: Doctoral Thesis
Language Code: de
Abstract: Der zunehmende Wettbewerb, gepaart mit einem schnellen technologischen Wandel und verkürzten Produktlebenszyklen, stellt immer höhere Anforderungen an Unternehmen in zahlreichen Branchen. Die steigende Produktvielfalt, kürzere Innovationszyklen sowie branchenübergreifende Geschäftsmodelle mit digitalen Geschäftsprozessen erweitern zusätzlich die Komplexität der zukünftigen Steuerung der Wertschöpfungsnetzwerke. Nach Ergebnissen einer systematischen Literaturrecherche sowie einer empirischen Studie im Zusammenhang mit der Forschungsarbeit wird diese Steuerung der Wertschöpfungsnetzwerke bisher durch einzelne Verfahren des Lieferantenmanagements abgedeckt. Doch moderne Lieferantenstrukturen werden zunehmend volatiler. Somit muss sich auch die Steuerung der externen Wertschöpfungsnetzwerke an die neuen Anforderungen anpassen. Dafür muss zunächst Wissen im Rahmen eines standardisierten Prozesses über die Lieferanten generiert werden. Auf dieser Basis wurde ein Modell zur Wissensgenerierung über das externe Wertschöpfungsnetzwerk mit Hilfe des Data Mining erarbeitet. Diese Wissensgenerierung ist in einen standardisierten Workflow eingebunden. Die partnerschaftlich gestalteten Prozesse innerhalb dieses Workflows haben die Steigerung der Effizienz und damit die Verbesserung der Wettbewerbsposition zum Ziel. Somit unterstützt das entwickelte Modell eine effiziente Steuerung der externen Wertschöpfungsnetzwerke.
The increasing competition, coupled with a rapid technological change and shortened product life cycles, places ever higher demands on companies in numerous industries. The increasing variety of products, shorter innovation cycles and cross-industry business models with digital business processes are further increasing the complexity of the future management of value-added networks. According to the results of a systematic literature research and an empirical study in connection with this research work, the control of value creation networks has been covered so far by individual procedures of supplier management. However, modern supplier structures are becoming increasingly volatile. Thus, the control of external value creation networks must also adapt to the new requirements. To achieve this, knowledge must be generated from suppliers in a standardized process first. For this purpose, a model for systematic, via the external value creation network generated knowledge was developed with the help of data mining. This generation of knowledge is integrated into a standardized workflow. The partnership-based processes within this workflow are aimed at increasing efficiency and thereby improving the competitive position. As a result, the developed model supports an efficient control of the external value creation networks.
URI: https://depositonce.tu-berlin.de/handle/11303/10935
http://dx.doi.org/10.14279/depositonce-9828
Exam Date: 16-Oct-2019
Issue Date: 2020
Date Available: 16-Apr-2020
DDC Class: 000 Informatik, Informationswissenschaft, allgemeine Werke
Subject(s): Lieferantenmanagement
Lieferantenbewertung
Risikomanagement
Datenauswertung
große Datenmengen
Datenqualität
supply chain management
supplier evaluation
risk management
data mining
big data
data quality
License: http://rightsstatements.org/vocab/InC/1.0/
Appears in Collections:Inst. Werkzeugmaschinen und Fabrikbetrieb » Publications

Files in This Item:
wilde_anja.pdf
Format: Adobe PDF | Size: 8.33 MB
DownloadShow Preview
Thumbnail

Item Export Bar

Items in DepositOnce are protected by copyright, with all rights reserved, unless otherwise indicated.