Academiejaar 2011 – 2012
UNIVERSITEIT ANTWERPEN FACULTEIT TOEGEPASTE ECONOMISCHE WETENSCHAPPEN
Winstverwachting bij horizontale samenwerking in distributie Een econometrische studie
Christof Defryn
Masterproef voorgedragen ter bekomen van de graad: Master in de Toegepaste Economische Wetenschappen – Bedrijfskunde en Technologie: Handelsingenieur
Promotor: Mevr. Christine Vanovermeire Co-promotor: Prof. Dr. Kenneth Sörensen
Academiejaar 2011 – 2012
UNIVERSITEIT ANTWERPEN FACULTEIT TOEGEPASTE ECONOMISCHE WETENSCHAPPEN
Winstverwachting bij horizontale samenwerking in distributie Een econometrische studie
Christof Defryn
Masterproef voorgedragen ter bekomen van de graad: Master in de Toegepaste Economische Wetenschappen – Bedrijfskunde en Technologie: Handelsingenieur
Promotor: Mevr. Christine Vanovermeire Co-promotor: Prof. Dr. Kenneth Sörensen
Voorwoord Dit werkstuk werd geschreven ter bekomen van de graad ‘master in de toegepaste economische wetenschappen – bedrijfskunde en technologie: Handelsingenieur’ en maakt deel uit van het masterproefportfolio. De kennis die ik gedurende mijn opleiding heb vergaard uit verscheidene opleidingsonderdelen en vakgebieden komt uiteindelijk samen in het werk dat u momenteel in handen hebt. Tevens kan het beschouwd worden als een eerste verkenning van het domein waarbinnen ik komend academiejaar een doctoraatsopleiding hoop aan te vangen. Graag had ik binnen dit voorwoord mijn woord van dank gericht aan mevr. C. Vanovermeire en prof. Dr. K. Sörensen voor het vertrouwen en de begeleiding bij het maken van deze scriptie. Met een deur die altijd open staat, kon ik steeds bij hen terecht bij vragen of problemen. Verder respect en veel dank aan mijn partner, ouders en vrienden voor het doorworstelen en nalezen van dit verhaal.
Mei, 2012
Christof Defryn
i
Lijst van tabellen en grafieken Figuur 1 : visuele voorstelling van de oplossing voor een VRP (Briseida Sarasola) .............................................. 11 Figuur 2 : het Record-To-Record algoritme (Dueck, G., 1991) .............................................................................. 12 Figuur 3 : Histogram winstcijfers bij samenwerking (op basis van zelf gegenereerde dataset) ........................... 15 Figuur 4 : OLS van de hoofdeffecten (Gretl-output).............................................................................................. 19 Figuur 5 : OLS van de hoofdeffecten, aangepaste functionele vorm (Gretl-output)............................................. 20 Figuur 6 : OLS inclusief de interactie-effecten (GRETL - output) ........................................................................... 23 Figuur 7 : OLS met interactie-effecten; enkel significante variabelen (GRETL - output) ....................................... 24 Figuur 8 : Grafische voorstelling van variabele OG2 voor gegeven instelwaarden van overige variabelen .......... 27 Figuur 9 : Grafische voorstelling van variabele KL1 voor gegeven instelwaarden van overige variabelen ........... 28 Figuur 10 : OLS resultaten, zonder (1) en met (2) interactie-effecten (GRETL - output)....................................... 29 Figuur 11 : grafische voorstelling van de hoofdeffecten (GRETL-output) ............................................................. 44 Figuur 12 : RESET-test op het algemene model, enkel hoofdeffecten (GRETL-output) ........................................ 45 Figuur 13 : Error-term voor de hoofdeffecten (GRETL-output) ............................................................................. 45 Figuur 14 : RESET - test; regressie met interactie-effecten (GRETL - output) ....................................................... 46 Figuur 15 : input script voor de GRETL - software................................................................................................. 47
Tabel 1 : verschillende beschouwde scenario's per verklarende variabele .......................................................... 10 Tabel 2 : numerieke resultaten verschillende scenario's (op basis van eigen model) .......................................... 25 Tabel 3 : Eigen dataset, gebruikt voor de econometrische analyse ...................................................................... 37
ii
Inhoudsopgave
Voorwoord ............................................................................................................................................... i Lijst van tabellen en grafieken..................................................................................................................ii Inhoudsopgave ........................................................................................................................................iii
1. Abstract ............................................................................................................................................... 1 2. Onderzoeksvraag ................................................................................................................................. 4 3. De supply chain van de toekomst........................................................................................................ 5 3.1 Trends en verschuivingen vandaag ............................................................................................... 5 3.2 Horizontale samenwerking als mogelijke oplossing...................................................................... 6 3.3 Problemen bij horizontale samenwerking .................................................................................... 7 3.4 Winst bij horizontale samenwerking ............................................................................................. 8 4. Werkmethode ................................................................................................................................... 10 4.1 De dataset ................................................................................................................................... 10 4.2 De VRP_RTR solver ...................................................................................................................... 11 4.2.1 Het vehicle routing problem ................................................................................................. 11 4.2.2 Record-To-Record algoritme................................................................................................. 12 4.3 Algemene veronderstellingen ..................................................................................................... 13 5. Data-analyse ...................................................................................................................................... 14 5.1 Winstcijfer ................................................................................................................................... 14 5.2 Verklarende variabelen ............................................................................................................... 14 5.2.1 Gemiddelde ordergrootte .................................................................................................... 14 5.2.2 Standaardafwijking van ordergroottes................................................................................. 15 5.2.3 Aantal klanten ...................................................................................................................... 15 5.3 Hoofdeffecten ............................................................................................................................. 16 iii
5.3.1 Gemiddelde ordergroottes................................................................................................... 16 5.3.2 Standaardafwijking van ordergroottes................................................................................. 16 5.3.3 Aantal klanten ...................................................................................................................... 17 6. Econometrische analyse .................................................................................................................... 18 6.1 Hoofdeffecten ............................................................................................................................. 18 6.1.1 Modelopbouw ...................................................................................................................... 18 6.1.2 RESET-test en functionele vorm ........................................................................................... 19 6.1.3 Tussenresultaten .................................................................................................................. 21 6.2 Interactie-effecten....................................................................................................................... 22 6.2.1 Modelopbouw ...................................................................................................................... 22 6.2.2 Numerieke uitwerking van het econometrisch model ......................................................... 24 6.2.3 Mathematische uitwerking van het econometrisch model ................................................. 26 7. Algemeen besluit ............................................................................................................................... 29 8. Beperkingen en verder onderzoek .................................................................................................... 32 Bibliografie ............................................................................................................................................ 34
Bijlagen .................................................................................................................................................. 37 B.1 Dataset ........................................................................................................................................ 37 B.2 Grafische voorstelling van de hoofdeffecten .............................................................................. 44 B.3 RESET-test; enkel hoofdeffecten ................................................................................................. 45 B.4 Error-term voor de hoofdeffecten .............................................................................................. 45 B.5 RESET – test; regressie met interactie-effecten .......................................................................... 46 B.6 GRETL input script ....................................................................................................................... 47
Verklaring op woord van eer ................................................................................................................. 48
iv
1. Abstract Het beheer van de supply chain staat voor grote uitdagingen. In een wereld waarin de focus verschuift van individuele kostenoptimalisatie naar een globale stabiliteit en duurzaamheid dienen bedrijven deze opnieuw onder de loep te nemen. Met de nood aan een flexibel en fijnmazig transportnetwerk kent het wegvervoer een grote vraag. Studies tonen echter aan dat de efficiëntie van deze modus nog steeds zeer laag ligt. Binnen dit werkstuk wordt de mogelijkheid van horizontale samenwerking binnen de distributie onderzocht. Op basis van een zelf gegenereerde dataset wordt de winst bij het opzetten van zulke samenwerking in kaart gebracht en gerelateerd aan eenvoudig observeerbare, bedrijfsgerelateerde factoren. Gebruik makend van een econometrische analyse wordt een model opgebouwd om een ruwe ex ante winstvoorspelling mogelijk te maken voor een samenwerking tussen twee partners. Dit wordt bereikt door het uitrekenen van het vehicle routing problem voor verschillende coalities met andere instelwaarden voor de verklarende variabelen. Uit analyse van de verkregen coëfficiënten kan geconcludeerd worden voor welke partnercombinatie een hogere kans op succes inhoudt. Zo wordt ondermeer ingezien dat een samenwerking maximale winsten kan genereren indien beide partijen ongeveer even groot zijn - gemeten op basis van het aantal klanten. Tevens wordt er aangetoond dat partners gezocht dienen te worden met een complementaire bestelpolitiek wat betreft ordergroottes. Dit met als doel het optimaliseren van de beladingsgraad. Voor variabiliteit in de ordergroottes kan geen significante invloed bewezen worden. Er kan bijgevolg geconcludeerd worden dat deze variabele geen impact heeft op winsten binnen horizontale samenwerking.
1
Supply chain management is a hot topic these days. The importance of individual cost optimization is decreasing. The focus is nowadays set on long-term stability, sustainability and CO2-emission. As a consequence the supply chain structure needs to be revised and upgrade in order to guarantee companies’ long-term position. The need of a flexible and well developed transport network is more and more crucial. Studies show however a very low efficiency in distribution. In this paper we look at the possibility of setting up a horizontal collaboration between distribution companies. A self generated dataset is used to evaluate the expected profit of such a horizontal collaboration by using business characteristics as explanatory variables. These variables are easily recognizable and business related in existing companies. An econometric approach allows us to forecast the expected profit. This will be achieved by calculating the vehicle routing problem (VRP) for several coalitions, using different values for the explanatory variables and performing a regression analysis on these results. Based on the obtained results, optimal partner combinations can be proposed that will have positive impact on expected profit. It can also be concluded that partnerships between equal sized companies – based on the number of clients – generate higher profits. This paper shows also the importance of complementarity with respect to order size and consequently loading capacity of the chosen transport modus. The reach of a high load factor is therefore decisive. For the variance of the order size, the impact on profit does not seem significant in this data set.
2
La gestion de la chaine d’approvisionnement prend de plus en plus d’importance dans un monde économique en mouvement. L’impact de l’optimisation des coûts doit être revu dans une perspective de stabilité, durabilité et d’émission de CO2. La nécessité d’un réseau de transport flexible, fiable et étendu est grande. Plusieurs études démontrent néanmoins une efficacité insuffisante pour ce mode de transport. Dans cette thèse la possibilité de s’engager dans une coopération horizontale est analysée. Se basant sur un ensemble de données spécialement créés, une analyse des bénéfices attendus est effectuée. Elle tient compte de critères variables, reconnaissable dans toute entreprise réelle. Une approche économétrique permet d’analyser les prévisions de bénéfices générés par de tels coopérations. Ceci est rendu possible en calculant le VRP pour différentes coopérations, utilisant différentes valeurs pour les variables déterminantes. De même il offre la possibilité de simuler les meilleures combinaisons de partenaires. De cette manière on peut conclure que les deux partenaires d’une coopération ont de préférence la même grandeur – mesurée par le nombre de clients. Il est également mieux d’avoir un partenaire qui a des ordres complémentaires, par rapport à la capacité des véhicules. La variabilité de ces ordres n’a pas d’influence significative ; donc l’importance de ce variable ne peut pas être prouvée dans cette thèse.
3
2. Onderzoeksvraag Studies (Cruijssen F., Salomon M., 2004) tonen aan dat de synergie die tot stand kan komen bij horizontale samenwerking een hoge variabiliteit kent. In sommige gevallen is het mogelijk grote winsten te maken door het opzetten van een samenwerking, in andere gevallen is het positieve effect echter minimaal. Toch is het steeds voor elke potentiële coalitie noodzakelijk op voorhand een schatting te maken van mogelijke winsten alvorens de partijen enig engagement zullen aangaan. Uit een enquête uitgevoerd door Dullaert et al. (2004), afgenomen bij 1500 logistieke dienstverleners in België, blijkt niet alleen dat de meerderheid van de ondervraagden (81%) gelooft in de potentiële verhoging van productiviteit door middel van een horizontale samenwerking, ook wordt door 55% van de ondervraagden de moeilijkheid tot het op voorhand schatten van winsten als grote barrière gezien bij het overwegen van een mogelijke coalitie. Binnen deze thesis zal geprobeerd worden een kwantitatief model op te zetten waarbij de winst voor zulke samenwerkingsverbanden voorspeld wordt aan de hand van enkele duidelijk observeerbare en meetbare, bedrijfsgerelateerde factoren. Voor deze berekeningen wordt gebruik gemaakt van een eigen gegenereerde dataset. Verder wordt er gepoogd uit bovenstaande analyse een inzicht te verwerven in de compatibiliteit van verschillende ondernemingen om aldus de partnerkeuze te vereenvoudigen en wetenschappelijk te onderbouwen. Dit alles met het oog op het bereiken van een zo maximaal mogelijke winst na het realiseren van de coalitie.
4
3. De supply chain van de toekomst 3.1 Trends en verschuivingen vandaag Bedrijven opereren niet in een vacuüm, maar staan steeds in nauw contact met hun omgeving. Zowel de taak- als institutionele omgeving zijn echter geen statisch gegeven maar zijn onderhevig aan verandering doorheen de tijd (De Wit, B., Meyer, R., 2010). De wisselwerking die speelt tussen een onderneming en zijn omgeving zorgt voor een krachtenveld (Porter, 1980) waarbij steeds gestreefd wordt naar een optimale fit tussen beiden. Om aan de omgevingsveranderingen van vandaag tegemoet te komen dienen bedrijven hun supply chain opnieuw onder de loep te nemen. Waar minimale kosten en beschikbaarheid voor klanten tot nu toe de belangrijkste criteria waren, winnen andere parameters, vooral met het oog op duurzaamheid, aan terrein. Er kan ondermeer gedacht worden aan CO2-uitstoot, verkeersdrukte in steden, energie, … (2016 future supply chain, 2008). Al deze elementen zullen een alternatieve aanpak van de logistieke activiteiten vereisen en stimuleren. De huidige slechte score op bovenstaande nieuwe parameters is vooral te wijten aan het enorme aandeel van wegtransport door middel van vrachtwagens. Hoewel het idee van groupage reeds helemaal ingeburgerd is op langeafstandstransport, denk maar aan de vele ‘expediteurs’ in onze havens, gebeurt het vrachtwagenvervoer nog enorm inefficiënt. In het Duitse Institut fur Energieund Umweltforschung Heidelberg werd berekend dat Europese vrachtwagens gemiddeld slechts voor de helft gevuld zijn. Andere statistieken tonen aan dat deze vrachtwagens gemiddeld een kwart van al hun kilometers met een lege lading rijden (Pasi, 2007). Verder wordt er voorspeld dat het grote aandeel dat wegvervoer inneemt in het totale vrachtvervoer, 46% in 2010, vrijwel onaangetast zal blijven in de toekomst (Goel, 2009). Hoewel het vervoeren van goederen over de weg verre van duurzaam kan genoemd worden, heeft deze vorm van transport enkele specifieke voordelen ten opzichte van andere transportmodaliteiten. We denken hierbij aan luchtvervoer, zeevaart, binnenvaart, spoorweg of pijpleiding. Zo stelt Meuwissen (2005) dat wegvervoer ondermeer flexibeler en fijnmaziger is. Verder is het ook een snelle en goedkope methode over de korte en middellange afstand. Deze voordelen passen mooi in het huidige economische principe van just-in-time (JIT), waarbij voorraden worden gedrukt door het verhogen van de bestelfrequentie en het verlagen van de bestelhoeveelheden. Vanuit deze benadering wordt de minst duurzame transportmodaliteit, 5
namelijk vrachtwagens, steeds verkozen boven de anderen. (Goel, 2009) Het is echter geen garantie dat de kostenvoordelen, bereikt binnen een JIT-principe, de voordelen van een collaboratie voor de transportactiviteiten kan overtreffen. De literatuur beschrijft verschillende denkpistes om dit wegtransport naar een duurzamer niveau te tillen. Er kan ondermeer gedacht worden aan het ontwerpen van efficiëntere, hoogtechnologische en aërodynamischere voertuigen (2016 Future supply chain, 2008). Binnen deze thesis wordt echter gekozen om te werken rond de idee van horizontale collaboratie, waarbij een efficiëntere inzet van bestaande vrachtwagens beoogd wordt. Het is immers logisch dat door het verhogen van de beladingsgraad het aantal kilometers kan gereduceerd worden, met een direct gevolg op de kostenstructuur van de transportactiviteiten.
3.2 Horizontale samenwerking als mogelijke oplossing Voor het begrip samenwerking (‘collaboration’) wordt verwezen naar Audy, J.F. (2010): “Collaboration occurs when two or more entities form a coalition and exchange or share resources (including information), with the goal of making decisions or realizing activities that will generate benefits that they cannot (or only partially) generate individually.” Een dergelijke samenwerking tussen ondernemingen kan op verschillende niveaus van complexiteit georganiseerd. Audy (2010) classificeert deze complexiteit beginnende bij de loutere transactionele relaties (vb. koper – verkoper) gaande tot co-evolution, waarbij meerdere bedrijven op strategisch niveau een alliantie gaan vormen. Een veelgebruikte manier om verschillende soorten van samenwerkingsverbanden te onderscheiden maakt gebruik van de dimensies ‘horizontaal’ en ‘verticaal’. Er wordt van verticale samenwerking gesproken wanneer deze georganiseerd wordt tussen meerdere ondernemingen binnen éénzelfde supply chain. Het delen van informatie in strijd tegen het bullwhip-effect is hier een mogelijk voorbeeld van (Simchi-Levi, D, Kaminsky, P, Simchi-Levi, E., 2009). Bij horizontale collaboratie wordt de partner, waarmee de samenwerking opgestart wordt, buiten de eigen supply chain gevonden op hetzelfde niveau ten opzichte van de markt. Het kan hier zowel gaan om concurrenten die beschikbare capaciteiten of middelen delen, als om niet-concurrenten die door middel van samenwerking een synergie kunnen realiseren. Er kan bijvoorbeeld gedacht worden aan het delen van een magazijn of productielijn, of om het gezamenlijk bestellen van goederen om schaalvoordelen te verkrijgen. Verder is de combinatie tussen horizontale en verticale collaboratie ook mogelijk. 6
Binnen het kader van transport en logistiek kan zulke samenwerking leiden tot groupage. Gemeenschappelijke transportroutes kunnen voor schaalvoordelen zorgen en de beladingsgraad van vrachtwagens kan verhoogd worden. Er kan echter niet gesteld worden dat elke samenwerking steeds tot winsten zal leiden. Enkel wanneer deze grotere voordelen kan realiseren dan de verschillende ondernemingen afzonderlijk, is ze mogelijks zinvol. In deze analyse mogen echter niet alleen financiële variabelen betrokken worden.
3.3 Problemen bij horizontale samenwerking Bij het opstarten van een nieuwe coalitie wordt niet over één nacht ijs gegaan. Het is een proces waarbij heel wat uitdagingen overwonnen dienen te worden. In wat volgt worden de belangrijksten besproken. In de eerste plaats dient een bedrijf zeer grondig werk te maken van de juiste partnerkeuze. Om van een geslaagde samenwerking te kunnen genieten dient er van alle partijen immers een volledig ‘commitment’ te zijn om tot het opstellen van een gemeenschappelijk doel te komen. Iedere partij zal dan ook alles in het werk moeten stellen deze doelen te bereiken. De literatuur stelt dat de meest geschikte partner ongeveer even groot is en voor een groot deel dezelfde cultuur en filosofie hanteert (Audy, J.F., 2010). Deze bevindingen zullen later geconfronteerd worden met de resultaten van dit werkstuk. Verder komt het erop aan dat bedrijfsinformatie en andere resources uitgewisseld worden. Veelal gaat het om confidentiële informatie die, omwille van tactische redenen niet graag gedeeld wordt met concurrenten. Dit staat uiteraard in nauw verband met het hierboven beschreven commitment. Fawcett et al. (2007) observeert vier hindernissen die het delen van informatie belemmeren. Als eerste de kost en complexiteit van de investering. De tweede moeilijkheid bevat de incompatibiliteit tussen verschillende systemen, welke het delen van data rechtstreeks belemmert. Verder impliceert het veranderen van de systemen in één bedrijf een verandering voor de ganse supply chain. Als laatste is er nog de cultuur. Niet elk management staat immers te springen om bepaalde informatie te gaan delen. Audy (2010) voegt hier nog een vijfde hinderpaal aan toe: de confidentialiteit en veiligheid van de gedeelde data. Een volgend mogelijk probleem bij het opstarten van samenwerkingsverbanden zijn de Europese en Amerikaanse Antitrust-maatregelen. Het delen van informatie en het organiseren van gezamenlijke besluitvorming tussen bedrijven kan de concurrentiestrijd tussen de partners afremmen. Dit zal steeds voor elke case afzonderlijk geëvalueerd moeten worden. (Durance, 2008)
7
Verder kan ook het vraagstuk van leiderschap voor problemen zorgen. Alle partijen dienen een consensus te bereiken over wie het leiderschap van de coalitie op zich zal nemen. Audy et al. (2010) definieert zes verschillende vormen van leiderschap die momenteel gebruikt worden bij een coöperatie in de transportsector. Verder is het mogelijk dat een samenwerking voor een verschuiving zorgt van verantwoordelijkheden van firma A naar firma B en omgekeerd. Om het probleem van vertrouwelijke informatie en antitrust te omzeilen kan vandaag gebruik gemaakt worden van de zogenaamde ‘neutrale derde partij’, zoals ondermeer het Antwerpse “TriVizor”. (http://www.trivizor.com) Zulke bedrijven treden op als ‘dirigent’ en coördineren de samenwerking. Directe gegevensuitwisseling wordt hierdoor overbodig. Via deze constructie wordt ook meteen een antwoord geformuleerd op het leiderschapsvraagstuk. Als laatste wordt het probleem rond winstmaximalisatie aangekaart. Er kan gesteld worden dat het scenario waarbij de totale maximale winst van de groep niet noodzakelijk het scenario is waarbij alle partijen zich goed zullen voelen. Daarom wordt in de literatuur ook heel veel aandacht besteed aan verschillende methodes om de verkregen winsten opnieuw zo eerlijk mogelijk onder de verschillende partners te verdelen. Hierbij kan ondermeer gedacht worden aan de Shapley – waarde (Shapley, L.S. 1953) of de Nucleolus (Schmeidler, D. 1969). Beide verdelingsmechanismen behoren tot de coöperatieve speltheorie en genieten, ondanks hun minder recente oorsprong, ook vandaag nog veel aandacht. In diverse sectoren hebben ze reeds tot vele succesvolle kostenallocaties geleid (Cruijssen, F. 2007).
3.4 Winst bij horizontale samenwerking Een belangrijk onderdeel binnen de besluitvorming tot het al dan niet implementeren van een logistieke samenwerking is de winst die beide partners samen kunnen realiseren. Er dient hierbij opgemerkt te worden dat het eerder gaat over een daling van de kosten waardoor een positief effect op de resultatenrekening bekomen wordt. Meer bepaald wordt ervan uitgegaan dat de totale transportkosten bij samenwerking lager zullen zijn dan de sommatie van de individuele kosten indien de partners onafhankelijk opereren. Deze winsten kunnen ondermeer gerealiseerd worden door een reductie van het totale aantal afgelegde kilometers. Immers, de mogelijkheid om verschillende klanten die in elkaars buurt gelegen zijn te groeperen neemt toe. Deze groupage biedt potentieel in het verhogen van de beladingsgraad van de beschikbare vrachtwagens, waardoor ook de benodigde vloot gereduceerd kan worden. In de literatuur zijn heel wat voorbeelden te vinden van auteurs die door middel van simulatie of concrete cases deze winsten aantonen. (Cruijssen, F., Salomon, M. 2004; Ergun, O., Kuyzu, G., Savelsbergh, M. 2007; Hageback C., Segerstedt, A., 2004)
8
Deze winsten mogen echter niet als vanzelfsprekend beschouwd worden. Bovenvermelde cases tonen eveneens aan dat deze cijfers een hoge mate van variabiliteit kennen. Het is met andere woorden perfect mogelijk om heel lage, tot zelfs negatieve, winstcijfers te bekomen bij samenwerking. Dit is uiteraard niet wenselijk. Daarnaast dient men in realiteit naast deze winsten ook de extra kosten in rekening te brengen die gepaard gaan met het opzetten en exploiteren van de nieuwe samenwerking. Er kan ondermeer gedacht worden aan kosten verbonden aan het delen van informatie en het standaardiseren van ITinfrastructuur of de nodige inspanningen tot afstemmen van bedrijfsprocessen en cultuur (Cruijssen, F. 2007). Verder worden managers in de realiteit ook vaak geconfronteerd met het probleem van timing. De realiseerbare winsten kunnen beschouwd worden als een belangrijke katalysator bij het opstarten van de samenwerking, maar het is onmogelijk dit cijfer ex ante te bepalen daar het afhankelijk is van de gevoerde politiek en het een uitwisseling van heel wat bedrijfsinformatie vereist (Cruijssen, F. 2007). Dit werkstuk probeert op deze problematiek in te spelen. Door middel van statistische en econometrische technieken zal getracht worden om de onzekerheid van dit tijdsverschil te reduceren. Dit door in een eerste instantie een ruwe winstschatting voor te stellen en de verschillende soorten partners met hun compatibiliteit te confronteren.
9
4. Werkmethode De winstvoorspelling zal gebeuren op basis van een regressiemodel waarbij enkele bedrijfsgerelateerde parameters als verklarende variabelen gebruikt worden. Er wordt gekozen voor het gemiddelde en de standaardafwijking van de ordergroottes en het relatief belang van een partner binnen de coalitie op basis van het aantal klanten. De keuze is enerzijds gebaseerd op het feit dat deze gegevens eenvoudig geobserveerd kunnen worden in complexe, reële situaties en de mogelijkheid deze informatie op te nemen in het gebruikte softwarealgoritme anderzijds. De analyse beperkt zich tot coalities met maximaal twee partners. Het combineren van bedrijven met verschillende waardes voor de verklarende variabelen kan voorts leiden tot een beslissingsmodel met betrekking tot de partnerkeuze.
4.1 De dataset Voor de analyse zal gebruik gemaakt worden van een eigen dataset om het marginaal effect van de verschillende variabelen ceteris paribus te kunnen schatten. Hiervoor worden de bestellingen van 80 fictieve bedrijven op een willekeurige wijze, op 286 manieren, met elkaar gecombineerd. Er wordt uitgegaan van een tweedimensionaal vierkant vlak met een zijde van 40 lengte-eenheden waarbij zich een distributiecentrum in het centrum bevindt. De X en Y coördinaten van de verschillende klanten worden gegenereerd met behulp van de random-generator uit het Microsoft Office Excel programma. Vervolgens wordt elk bedrijf geclassificeerd volgens drie verklarende variabelen. Namelijk, de gemiddeld ordergroottes, standaardafwijking van de ordergroottes en het aantal klanten. Voor elke waarde worden twee scenario’s vooropgesteld, zoals voorgesteld in tabel 1. De orders worden gegeneerd door middel van een normale verdeling met deze gemiddelden en standaardafwijkingen. Hiervoor wordt ook gebruik gemaakt van Microsoft Excel. Tabel 1 : verschillende beschouwde scenario's per verklarende variabele
Laag
Hoog
Gemiddelde ordergrootte
50
120
Standaardafwijking ordergrootte
5
30
Aantal klanten
5
20
10
De volledige dataset werd opgenomen in bijlage 1 van dit werkstuk. Voor elk samenwerkingsverband is hier de gerealiseerde winst gegeven, gebruik makend van het Record-To-Record algoritme (zie verder), alsook de karakteristieken van beide partners.
4.2 De VRP_RTR solver Zoals reeds aangehaald dient voor elke bedrijf afzonderlijk en voor iedere virtueel opgezette samenwerking het vehicle routing problem opgelost te worden. Hiervoor wordt gebruik gemaakt van het Record-To-Record algoritme dat via open source software beschikbaar is. 4.2.1 Het vehicle routing problem Het vehicle routing problem (VRP) is een verzamelnaam voor het probleem waarbij een optimale route bepaald dient te worden voor een vloot ladingsdragers langsheen verschillende klanten, onderworpen aan een aantal vooraf gedefinieerde beperkingen. In figuur 1 wordt dit probleem gevisualiseerd. Een centraal depot dient 15 klanten te bedienen. Als oplossing worden drie verschillende routes gevonden. De getallen op de weg tussen twee klanten of het depot representeren de afstand tussen deze twee entiteiten. Het kan gaan om fysieke afstanden in kilometers of een algemene voorstelling van de kost om deze weg af te leggen. Figuur 1 : visuele voorstelling van de oplossing voor een VRP (Briseida Sarasola)
Binnen dit werkstuk zal gebruik gemaakt worden van de bekendste en meest bestudeerde subklasse binnen de VRP, namelijk de capacitated VRP (CVRP). Een homogene vloot vrachtwagens staat ter beschikking aan een centraal depot. Elke vrachtwagen kan hoogstens één route afleggen langsheen
11
een verzameling klanten met gekende vraag, waarbij de beschikbare capaciteit in de vrachtwagen niet overschreden kan worden bij het groeperen van de orders. (Baldacci, R., Mingozzi, A. & Roberti, R., 2012) Een ander belangrijk VRP is het zogenaamde VRP with time windows (VRPTW), een uitbreiding van het bovenstaande CVRP waarbij elke klant binnen een vooraf opgesteld interval bediend dient te worden. Dit wordt echter buiten beschouwing gelaten. 4.2.2 Record-To-Record algoritme Het Record-To-Record algoritme bestaat uit een iteratief proces dat voor het eerste beschreven werd door Gunther Dueck in het begin van de jaren negentig (Dueck, G., 1991). Er wordt gestart vanuit een gegeven arbitraire oplossing waarna het algoritme elke stap aanvaardt die een oplossing genereert die ‘niet veel slechter is dan de huidige oplossing’ (Poles, S., 2004). Formeler kan er gesteld worden dat wanneer x de beste oplossing is tot hiertoe (het record) en x’ de oplossing bij de volgende stap, x’ zal aanvaard worden als volgend record indien
Waarbij D de maximaal toegestane afwijking bedraagt opdat de oplossing ‘niet veel slechter’ kan genoemd worden dan de voorgaande (Poles, S., 2004). Dit principe zal herhaald worden tot de optimale oplossing bereikt is, wat wil zeggen dat er geen verbetering komt in de volgende records. Het algoritme werd door G. Dueck (1991) als volgt beschreven: Figuur 2 : het Record-To-Record algoritme (Dueck, G., 1991) Choose an initial configuration Choose an allowed DEVIATION > 0 set RECORD :=quality (initial config.) Opt:
Choose a new configuration which is a stochastic small perturbation of the old configuration Compute E := quality (new configuration) IF E > RECORD-DEVIATION THEN old configuration := new configuration IF E > RECORD THEN RECORD := E IF a long time no increase in quality or too many iterations THEN stop
GOTO Opt.
12
4.3 Algemene veronderstellingen Alvorens met de data aan de slag te gaan is het belangrijk een aantal algemene veronderstellingen op te lijsten. Zo wordt er een homogene vloot van vrachtwagens verondersteld waarin plaats is voor 200 eenheden. Vermits ordergroottes verondersteld worden normaalverdeeld te zijn is de kans om waardes te bekomen die groter zijn dan 200, en bijgevolg niet binnen één vrachtwagen passen, groter dan 0. Omdat het algoritme niet in staat is dit order intelligent op te splitsen tussen twee vrachtwagens werd ervoor gekozen deze enkele waarnemingen af te ronden tot 200. Desgevallend zal dan een rondrit gemaakt worden door een aparte, volle vrachtwagen tot bij deze ene klant. Indien een set ook uit negatieve orders bestaat – deze kans is immers ook groter dan 0 – wordt random een nieuwe set gegenereerd om economisch niet-relevante situaties te vermijden. Verder start en eindigt iedere route steeds bij het distributiecentrum en dienen alle klanten bezocht te worden. De afstand tussen de verschillende knooppunten in het netwerk wordt euclidisch bepaald op basis van de gegenereerde X,Y - coördinaten. De optimalisatie zal geschieden door minimalisatie van de totale euclidische afstand bij het bedienen van alle klanten. Deze afstanden kunnen ruimer geïnterpreteerd worden als kosten.
13
5. Data-analyse 5.1 Winstcijfer De 80 fictief gegenereerde bedrijven werden op 286 manieren met elkaar gecombineerd. Door voor elk van deze combinaties ook het vehicle routing probleem op te lossen kan bepaald worden hoe winstgevend deze coalitie was. Dit wordt gedaan door het verschil te nemen tussen enerzijds de som van de totale kosten van beide afzonderlijke bedrijven en anderzijds de totale kost bij samenwerking.
Figuur 3 toont een histogram van de verkregen winstcijfers. Bij deze 286 coöperaties wordt gemiddeld een winst van 8,42 procent behaald, de variantie bedraagt 0,70 procent. In drie gevallen blijkt deze winst echter negatief te zijn, wat betekent dat de totale kost lager ligt indien beide bedrijven afzonderlijk werken. Deze verliezen blijven zeer beperkt en worden ook vrij random gevonden. Hier zijn deze met andere woorden waarschijnlijk te wijten aan klantenlocaties (X,Y – coördinaten) die niet heel compatibel zijn. Het is moeilijk vast te stellen vanaf welk winstpercentage het opzetten van een samenwerking werkelijk interessant wordt voor bedrijven daar men ook rekening dient te houden met de kosten die deze verandering met zich meebrengt. Deze kosten zijn afhankelijk van de verschillende partners en het opgezette samenwerkingsverband. Bijgevolg dienen deze voor elke case afzonderlijk geëvalueerd te worden.
5.2 Verklarende variabelen In het model wordt gebruik gemaakt van drie hoofdparameters: gemiddelde ordergroottes, standaardafwijking van ordergroottes en het aantal te bedienen klanten. Om statistische conclusies te kunnen maken met betrekking tot preferente partners worden deze parameters uitgesplitst over beide partijen en worden de interactiefactoren mee opgenomen in het model. 5.2.1 Gemiddelde ordergrootte Deze variabele werd in het model opgenomen als representatie van de bestelpolitiek die gehanteerd wordt bij de klanten van de samenwerkingspartners. Er wordt een onderscheid gemaakt tussen een kleine ordergrootte van gemiddeld 50 eenheden en het bestellen in grote hoeveelheden van gemiddeld 120 eenheden. 14
Figuur 3 : Histogram winstcijfers bij samenwerking (op basis van zelf gegenereerde dataset) 70 60
Frequentie
50 40 30 20 10 0 -0.09 -0.06 -0.03 0
0.03 0.06 0.09 0.12 0.15 0.18 0.21 0.24 0.27 0.3 0.33 0.36
More
Winst na samenwerking
Er kan verwacht worden dat bedrijven die kleinere orders distribueren een groter winstpotentieel hebben bij samenwerking. Immers, hoe kleiner de orders zijn, hoe eenvoudiger de verdeling hiervoor geoptimaliseerd kan worden. Een hogere gemiddelde ordergrootte reduceert de mogelijkheid tot combinatie daar ondermeer de capaciteitsbeperking van de vrachtwagen hier een belangrijke rol speelt. 5.2.2 Standaardafwijking van ordergroottes De ordergroottes voor de verschillende klanten werden gegenereerd door gebruik te maken van de normale verdeling. De standaardafwijking laat zien hoe regelmatig de orders van deze partners zich manifesteren. Een grote standaardafwijking betekent dat er zich grote variabiliteit voordoet in de ordergroottes die deze partners moet leveren. Omdat het eenvoudiger is samen te werken met een partij die een zekere stabiliteit en zekerheid kan garanderen, wordt er verwacht dat hogere standaardafwijkingen de winstmogelijkheden zullen reduceren en dat deze variabele met andere woorden een negatief verband zal kennen. 5.2.3 Aantal klanten Het aantal klanten dat door de verschillende afzonderlijke bedrijven bedient dient te worden, is in dit model een maat voor de belangrijkheid van de partner in de samenwerking. Hoewel deze materie vooral een belangrijke rol zal spelen in de winstverdelingsmechanismen worden ze toch meegenomen in dit model. Zo wordt gehoopt een statistische uitspraak te doen over een te
15
verkiezen medepartij. Immers, is het interessanter om een coalitie op te zetten tussen twee gelijk(w)aardige bedrijven, of kan er bij samenwerking van een kleine en grote partner een hoger winstpotentieel verwacht worden? Op het niveau van de hoofdeffecten wordt voor deze variabele in eerste instantie een negatief teken verwacht. Immers, indien de beschouwde bedrijven zelf reeds een uitgebreid klantenbestand hebben zijn zij reeds in staat om autonoom deze routes te optimaliseren en orders te groeperen. Bedrijven met slechts enkele klanten hebben hiervoor veel minder mogelijkheden. Er wordt dan ook verwacht dat deze spelers een groter voordeel kunnen halen uit een samenwerking.
5.3 Hoofdeffecten De gegenereerde dataset bevat voor bovengenoemde parameters de waardes voor elk bedrijf afzonderlijk. Het is echter noodzakelijk om ook de waardes van deze variabelen te kennen voor de totale coalitie om deze zinvol als hoofdeffecten in het model te kunnen integreren. Een kleine omvorming is dan ook niet te vermijden. Deze waardes worden ook mee opgenomen in de dataset in bijlage 1. 5.3.1 Gemiddelde ordergroottes Gebruik makend van de statistische eigenschappen voor gemiddelden, kan de totale gemiddelde ordergrootte voor de coalitie bepaald worden aan de hand van onderstaande formule;
waarbij
en
gelijk zijn aan respectievelijk de gemiddelde ordergrootte voor bedrijf A en B. Het
aantal klanten wordt voorgesteld door
en
. 5.3.2 Standaardafwijking van ordergroottes
Voor de globale standaardafwijking is deze omrekening iets minder voor de hand liggend. Er wordt vertrokken vanuit volgende vergelijking, die stelt dat “het kwadraat van de standaarddeviatie gelijk is aan het gemiddelde van de kwadraten van de waarnemingsgetallen verminderd met het kwadraat van het gemiddelde van die getallen.”
Hieruit kan, voor beide bedrijven afzonderlijk, de
bepaald worden. Daar dit om een gemiddelde
gaat kan dit gelijkaardig aan de gemiddelde ordergroottes (zie 5.3.1) geëxtrapoleerd worden naar de 16
gehele coalitie. Deze waarde opnieuw invullen in bovenstaande formule levert ons een
, en aldus
, voor de ordergroottes in de volledige samenwerking. 5.3.3 Aantal klanten Voor deze laatste parameter is de berekening eenvoudig. Immers, om het totaal aantal klanten in de samenwerking te kennen dienen de klanten aangebracht door bedrijf A en deze van bedrijf B met elkaar gesommeerd te worden.
17
6. Econometrische analyse In dit hoofdstuk zal het model opgebouwd worden door gebruik te maken van de nodige econometrische technieken. Voor de berekeningen wordt gebruik gemaakt van open source software GRETL, “a cross-platform software package for econometric analysis, written in the C programming language” (gretl.sourceforge.net) In punt 6.1 beperken we ons enkel tot bovenstaande hoofdeffecten om de invloed van de gekozen variabelen na te gaan op de probleemstelling. Later wordt deze beperking losgelaten en kunnen ook interactietermen opgenomen worden in het model.
6.1 Hoofdeffecten 6.1.1 Modelopbouw Het schatten van de hoofdeffecten gebeurt op basis van een lineair regressiemodel dat door middel van Ordinary Least squares (OLS) geschat wordt. De econometrische vergelijking ziet er als volgt uit:
waarbij OG gelijk is aan de gemiddelde ordergrootte, SA de standaardafwijking van de ordergrootte is en KL het aantal klanten van de samenwerking voorstelt. De resultaten van deze regressieanalyse zijn te vinden in figuur 4. Er kan vastgesteld worden dat alle hoofdeffecten significant zijn met een p-waarde die steeds kleiner is dan 5 procent. De F-teststatistiek, met een waarde van 177,38 en bijhorende p-waarde van geven reeds een positief beeld van het gebruikte model. Ook de aangepaste procent suggereert een hoge verklaringskracht.
18
van 65
Figuur 4 : OLS van de hoofdeffecten (Gretl-output)
De coëfficiënten voor OG en KL hebben het verwachte teken zoals uiteengezet in 5.2. Dit betekent dat bij een stijgende gemiddelde ordergrootte het winstpotentieel afneemt. Hetzelfde verloop kan gezien worden voor het totaal aantal klanten. Voor de standaardafwijking van de ordergroottes wordt een positief verband bekomen, wat betekent dat bij een hogere variabiliteit in orders tussen de verschillende klanten een hoger winstpotentieel verwacht wordt. Een mogelijke verklaring hiervoor is dat vanuit mathematisch standpunt op deze manier tegengestelde afwijkingen van het gemiddelde gecompenseerd worden. Er worden immers zowel significant grote als kleine orders gegenereerd. Zo kunnen vrachtwagens die reeds een groot order bevatten aangevuld worden met de kleinere leveringen om aldus optimaal gebruik te maken van de beschikbare capaciteit. 6.1.2 RESET-test en functionele vorm In het algemeen model werd een lineaire relatie tussen de verschillende variabelen vooropgesteld. Mogelijks in dit verband niet een optimale benadering van ons probleem. Dit wordt nagegaan met behulp van een RESET-test. Bij deze test worden het kwadraat en derdemacht van de afhankelijke variabele mee opgenomen in het model. De output van deze test wordt weergegeven in bijlage 3. Beide termen blijken significant en de F-teststatistiek van 9,597, met bijhorende p-waarde van toont eveneens een probleem in het lineaire functionele verband aan. Op basis van de grafieken uit bijlage 2 worden voor de variabele OG en SA ook de kwadratische term opgenomen in de vergelijking. Voor het aantal klanten (KL) wordt er geen significant kwadratisch effect verwacht. Onze nieuwe vergelijking wordt aldus:
19
Na een regressie op basis van de OLS-schatter wordt volgende output bekomen, weergeven in figuur 5. Hierbij kan opgemerkt worden dat de coëfficiënt die gevonden wordt voor KL niet gewijzigd is ten opzichte van de volledig lineaire functionele vorm. Voor SA zijn zowel de eerstegraad als het kwadraat significant. Verder is ook het kwadraat van de gemiddelde ordergroottes significant. Bij het uitvoeren van een RESET-test op deze schatting blijkt dat de functionele vorm niet meer verworpen kan worden. Figuur 5 : OLS van de hoofdeffecten, aangepaste functionele vorm (Gretl-output)
In bijlage 4 werd een grafische voorstelling weergegeven van de relatie tussen de error-term enerzijds en de variabelen anderzijds. Het is belangrijk op te merken dat de error-term niet gecorreleerd is met de verklarende variabelen. Hier kan dus het probleem van endogeniteit reeds uitgesloten worden. Wel kan er een sterke positieve correlatie van deze foutenterm met onze afhankelijke variabele, de winst, waargenomen worden. Deze bedraagt 0,5549. Dit fenomeen kan ondermeer verklaard worden doordat eventuele andere belangrijke verklarende variabelen niet in dit model opgenomen werden. Door het aanpassen van de functionele vorm steeg de aangepaste waarde van de globale F-statistiek tot
tot 0,6865 en daalde de p-
. De verklaringskracht van het model is bijgevolg
een beetje toegenomen. Doormiddel van de negatieve coëfficiënt bij OG² worden grote orders afgestraft. Zij bieden immers minder mogelijkheden tot combinatie.
20
6.1.3 Tussenresultaten Met betrekking tot de hoofdeffecten liggen de verkregen resultaten in lijn met het verwachte patroon. Het kwadraat van de gemiddelde ordergroottes kent een significant negatief effect. Het hoogste winstpotentieel kan bijgevolg verkregen worden bij kleinere ordergroottes. Dit kan verklaard worden door middel van het hogere aantal combinatiemogelijkheden, zonder geconfronteerd te worden met capaciteitsbeperkingen van de beschikbare vrachtwagens. Verder kent de standaardafwijking van deze ordergroottes een significant negatief verband. De winst is echter positief afhankelijk van het kwadraat van deze standaardafwijking. We merken aldus initieel een negatieve impact van een hogere variabiliteit in de vraag. Wordt deze variabiliteit echter groter dan kan deze een positieve invloed uitoefenen op de mogelijke winsten. Hoewel dit geen evolutie is die initieel verwacht werd, kan de verklaring van dit fenomeen gevonden worden in de manier waarop de dataset opgebouwd werd. Bij een gemiddelde ordergrootte van 120 met een zeer kleine standaardafwijking is het niet mogelijk om twee orders in dezelfde vrachtwagen te combineren gezien de capaciteitsbeperking van 200 eenheden. Een hoge variabiliteit maakt dat er niet alleen hoge, maar ook opvallend lage ordergroottes gegenereerd werden. Deze kleinere orders kunnen, zoals hierboven reeds aangehaald, eenvoudiger met elkaar gecombineerd worden waardoor een positieve impact op de winst verkregen kan worden. Verder kan er vastgesteld worden dat, na het incorporeren van de interactie-effecten, de standaardafwijking op geen enkele wijze nog een significante invloed uitoefent op de winstverwachting. De variabele “aantal klanten” heeft een negatieve impact op het winstpotentieel bij horizontale samenwerking. Hoe meer klanten deel uitmaken van de samenwerking, hoe lager de winst zal uitvallen bij samenwerking. Immers, dit impliceert dat beide partners afzonderlijk ook een uitgebreid klantenbestand kennen waarbinnen zij zelf reeds een optimalisatie kunnen doorvoeren. Een partij met zeer weinig klanten kan zelf heel weinig combineren en consolideren waardoor een samenwerking voor hem wel een interessant winstpotentieel biedt.
21
6.2 Interactie-effecten 6.2.1 Modelopbouw In wat voorafging werd er nagegaan welke invloed de variabelen die we in dit werkstuk opnemen algemeen hebben op de winstcijfers bij het sluiten van samenwerkingsverbanden. Hierbij werd er steeds impliciet verondersteld dat de beide bedrijven die een coalitie willen vormen reeds bekend zijn en werd de partnerkeuze niet als vraagstuk bekeken. In wat volgt proberen we echter dit probleem van partnerkeuze van iets nader te bekijken. Een bedrijf, met gekende parameters, wil immers weten welke partner een goede tegenpartij kan zijn, bekeken vanuit de idee om samen een grote winst te realiseren. Hiervoor zal gebruik gemaakt worden van de interactie-effecten uit het regressiemodel. Een significant interactie-effect tussen A en B betekent dat de impact van variabele A bepaald wordt door de waarde van variabele B. (Stevens, 2000) Er dient echter opgepast te worden bij de keuze van deze interactie-effecten. Bij de berekening van de VRP wordt enkel de samenwerking tussen beide ondernemingen beschouwd. De gekozen naamgeving werd enkel gebruikt tot het overzichtelijk houden van de materie. Dit heeft tot gevolg dat bijvoorbeeld het interactie-effect OG1SA2 gelijk dient te zijn aan SA1OG2. Immers, hiermee wordt het verband gegeven tussen de ordergrootte van het ene bedrijf en de standaardafwijking van de ordergroottes van een ander bedrijf. Wie in de praktijk de naam van bedrijf 1 toegewezen krijgt en wie zich bedrijf 2 mag noemen kan geen invloed uitoefenen op deze resultaten. Het is toegestaan deze beperking toe te voegen aangezien de naamgeving in de dataset volledig arbitrair en random geschiedde. Volgende interactie-effecten worden aldus opgenomen in het model: OG1OG2, SA1SA2, KL1KL2, OG1SA2, OG1KL2 en SA1KL2. De vergelijking die geschat zal worden door middel van OLS ziet er als volgt uit:
De resultaten van dit model worden weergegeven in figuur 6.
22
Figuur 6 : OLS inclusief de interactie-effecten (GRETL - output)
Met een aangepaste
- waarde van 0,702258 scoort deze regressie niet slecht. De algemene F-
teststatistiek bedraagt 68,22 met een bijhorende p-waarde van
. De RESET-test werd
eveneens bijgevoegd in bijlage 5. Hieruit blijkt dat de huidige lineaire functionele vorm niet verworpen kan worden ten voordele van hogere machten met een p-waarde van 0,94. In deze resultaten kunnen er twee significante hoofdeffecten gevonden worden, namelijk OG en KL. Daarnaast zijn ook drie van de negen interactie-effecten significant. Deze zijn OG1OG2, KL1KL2 en OG1KL2. De regressie wordt opnieuw uitgevoerd, deze mits weglating van de niet-significante variabelen. Hun coëfficiënten verschillen immers statistisch gezien niet van 0. Verder wordt ook OG² toegevoegd aan het model. Deze coëfficiënt blijkt immers significant en zorgt tevens voor een verhoging van de aangepaste R² - waarde. Deze resultaten worden weergegeven in figuur 7. Hierbij kan opgemerkt worden dat waarden voor de overgebleven variabelen niet veel verschillen van deze uit figuur 6. De aangepaste R² is gestegen tot 0,844967
23
Figuur 7 : OLS met interactie-effecten; enkel significante variabelen (GRETL - output)
Voor de gemiddelde ordergroottes blijft het kwadraat significant met een negatief teken. Door het toevoegen van de interactie-effecten werd ook de eerste macht van deze variabele significant. Ook het hoofdeffect KL draagt een significante coëfficiënt. Verder worden ook drie interactie-effecten behouden, namelijk OG1OG2, KL1KL2 en OG1KL2. Er kan opgemerkt worden dat bijgevolg de standaardafwijking van de ordergroottes op geen enkele wijze een significante invloed uitoefent op het model en op de winst. In wat volgt worden deze resultaten naderbij bekeken om tot algemene conclusies te komen voor de afzonderlijke variabelen. 6.2.2 Numerieke uitwerking van het econometrisch model Uit de econometrische analyse eerder in dit hoofdstuk wordt volgende relatie gevonden tussen de vooropgestelde verklarende variabelen en de winst bij samenwerking.
Voor elke combinatie van mogelijke scenario’s, zoals gedefinieerd in tabel 1 (zie punt 4.1), wordt de waarde van het verwachte winstcijfer berekend op basis van het gevonden regressiemodel. De resultaten worden systematisch weergegeven in tabel 2. In de laatste kolom wordt de rang weergegeven van het winstcijfer waarbij rang 1 staat voor het beste resultaat.
24
Tabel 2 : numerieke resultaten verschillende scenario's (op basis van eigen model)
Gemiddelde
Gemiddelde
Aantal
Aantal
ordergrootte 1
ordergrootte 2
klanten 1
klanten 2
Laag (5) Laag (50) Hoog (20) Laag (50) Laag (5) Hoog (120) Hoog (20)
Laag (5) Laag (50) Hoog (20) Hoog (120) Laag (5) Hoog (120) Hoog (20)
Winst
Rang
Laag (5)
0,1695625
6
Hoog (20)
0,123205
10
Laag (5)
0,098185
11
Hoog (20)
0,12646
8
Laag (5)
0,19100175
3
Hoog (20)
0,18567048
4
Laag (5)
0,05472228
12
Hoog (20)
0,14789925
7
Laag (5)
0,20267775
1
Hoog (20)
0,12644628
9
Laag (5)
0,17232648
5
Hoog (20)
0,19460325
2
Laag (5)
0,0178025
13
Hoog (20)
0,006473
15
Laag (5)
-0,053575
16
Hoog (20)
0,009728
14
Uit deze tabel kunnen volgende conclusies gedestilleerd worden. Allereerst kan er opgemerkt worden dat, ongeacht de instelwaarde voor de gemiddelde ordergroottes, de coalitie steeds beter presteert bij een gelijk klantenaantal van beide partijen. In dit opzicht kan aldus de vuistregel gevolgd worden, zoals beschreven door Audy (2010), die zegt dat de meest geschikte partner best even groot is. Met betrekking tot ordergroottes wordt een eerder complementair verband waargenomen. De scenario’s met de hoogste rang worden gevonden in combinaties van instelwaardes met een verschillende waarde voor de variabele gemiddelde ordergrootte. Dit kan echter ook te wijten zijn aan de manier waarop de dataset opgebouwd werd. Er kan immers vastgesteld worden dat het combineren van een order met gemiddelde grootte van 50 en eentje van 120 perfect mogelijk is binnen de capaciteitsbeperking van de vrachtwagens (200 eenheden). Tevens gaat dit gepaard met relatief hoge beladinggraden van ongeveer 85 procent.
25
Het combineren van twee partijen met grote orders geeft de slechtste, tot zelfs negatieve, resultaten binnen dit model. Dit is niet verwonderlijk daar het combineren van twee orders met elk 120 eenheden fysiek niet mogelijk is gegeven de ingevoerde capaciteitsbeperking. Hier liggen aldus heel weinig opportuniteiten in het combineren van verschillende orders. Als laatste merken we op dat de standaardafwijking van de ordergroottes op geen enkele manier een significante invloed uitoefenen op het bekomen model. Bijgevolg is het minder belangrijk dat binnen een samenwerking de partners steeds streven naar vaste ordergroottes, zolang beiden maar gemiddeld complementair blijven ten opzichte van de capaciteitsbeperking in de gekozen ladingdragers. 6.2.3 Mathematische uitwerking van het econometrisch model Om de invloed van de afzonderlijke variabelen na te kunnen gaan, wordt gebruikt gemaakt van een substitutie. Hiermee worden de aanwezige hoofdeffecten opnieuw uitgesplitst over beide partners. De gebruikte vergelijkingen zijn gebaseerd op dezelfde verbanden zoals afgeleid in punt 5.3 en worden hieronder weergegeven.
Na substitutie wordt onderstaande winstfunctie verkregen. Er kan vastgesteld worden dat de verklarende variabelen niet los van elkaar bekeken kunnen worden. Dit maakt dat een eenduidig verband tussen 2 bedrijfskenmerken niet rechtstreeks kan afgeleid worden uit de vergelijking.
26
Uit bovenstaande afgeleiden kan het tegengestelde verband tussen OG1 en OG2 waargenomen worden. Zo is de verandering van de winst bij een verandering in OG1 ook afhankelijk van de waarde voor OG2 en omgekeerd, telkens met een negatief teken. Economisch betekent dit dat onder de assumptie van winstmaximalisatie een stijging van de ordergrootte bij de ene partij best gepaard gaat met een daling van de ordergrootte van de andere partij. Hierbij kan ook bovenvermelde complementariteit gevonden worden. Immers, grotere orders bij de ene partij dienen gecompenseerd te worden door een orderverlaging bij de andere partner om aldus de combinatie van goederen mogelijk te blijven maken binnen de gegeven vrachtwagen met beperkte capaciteit. Deze relatie kan ook grafisch aangetoond worden zoals weergegeven in figuur 8. Op deze grafiek kan duidelijk gezien worden dat indien de gemiddelde ordergrootte van een onderneming gegeven is als hoog, deze met het oog op winstmaximalisatie best op zoek gaat naar een complementaire partner met een lage gemiddelde ordergrootte. Het omgekeerde is eveneens waar. Figuur 8 : Grafische voorstelling van variabele OG 2 voor gegeven instelwaarden van overige variabelen 0,25
Verwachte winst
0,2 0,15 OG1 is laag
0,1
OG1 is hoog 0,05 0 40 46 52 58 64 70 76 82 88 94 100 106 112 118 Instelwaarde voor variabele OG2
Een gelijkaardige berekening kan uitgevoerd worden met betrekking tot het aantal klanten. Het is echter duidelijk dat de relatie van deze variabelen met betrekking tot de winstfunctie redelijk complex verloopt. Het berekenen van bijhorende afgeleiden stelt ons niet in staat een duidelijk verband waar te nemen. Er wordt geopteerd om de relatie grafisch voor te stellen. Figuur 9 geeft de relatie van variabele KL1 met betrekking tot het verwachte winstcijfer. De helling van deze rechten wordt mede bepaald door de gekozen instelwaarden voor OG1 en OG2. In deze figuur wordt voor
27
beide ordergroottes de waarde 50 gekozen, een gelijkaardig relatie kan echter gevonden worden voor alle andere combinaties van instellingen voor de gemiddelde ordergroottes. Figuur 9 : Grafische voorstelling van variabele KL1 voor gegeven instelwaarden van overige variabelen 0,2 0,18 Verwachte winst
0,16 0,14 0,12 0,1
KL2 is laag
0,08
KL2 is hoog
0,06 0,04 0,02 0 1
3
5
7
9 11 13 15 17 19 21 23 25 27
instelwaarde voor variabele KL1
Zo kan er op deze grafiek afgelezen worden dat voor een partner met een laag klantenaantal – en aldus een lage instelling voor KL2 – het optimaal is om met een onderneming samen te werken met eveneens een laag klantenaantal. Analoog kunnen bedrijven met een hoog klantenaantal best op zoek gaan naar een partner met eveneens een hoog klantenaantal. Deze laatste relatie komt iets minder sterk naar boven in bijgeleverde grafiek. Voor andere instelwaardes met betrekking tot ordergroottes blijkt deze relatie echter meer uitgesproken. Deze wiskundige analyse bevestigt de bevindingen die reeds numeriek gemaakt konden worden uit de numerieke resultaten van het econometrisch model.
28
7. Algemeen besluit In dit werkstuk werd een econometrische analyse uitgevoerd op een eigen gegenereerde dataset met 286 waarnemingen. Binnen deze dataset worden de klantenlocaties op een random wijze gekozen binnen een vlak van 40 op 40 afstandseenheden met in het centrum hiervan een distributiecentrum van waaruit alle klanten bediend worden. Voor al deze klanten werden de ordergroottes getrokken uit een normale verdeling met gegeven waardes voor gemiddelde en standaardafwijking. De winstcijfers werden bepaald op basis van een totale afstandreductie die gerealiseerd kan worden bij het samenvoegen van twee bedrijven, en aldus klantenbestanden. Voor de berekening van het vehicle routing probleem (VRP) werd gebruik gemaakt van het record-torecord algoritme. In figuur 10 worden de resultaten van de regressie zonder (1) en met (2) interactieeffecten samengevat. Figuur 10 : OLS resultaten, zonder (1) en met (2) interactie-effecten (GRETL - output)
29
Algemeen kunnen volgende conclusies getrokken worden uit de uitgevoerde econometrische analyse: Op het niveau van bedrijfsgrootte, gemeten in het totale aantal klanten, kan best op zoek gegaan worden naar twee evenwaardige partners. De analyse toont aan dat de winsten significant hoger liggen wanneer voor het aantal klanten gelijke waardes worden ingevuld. Deze variabele volgt dan ook de vuistregel zoals in de literatuur beschreven door Audy (2010) die zegt dat de gewenste partner ongeveer even groot is. De grootste winsten worden gerealiseerd indien twee kleinere ondernemingen de samenwerking aangaan. Immers, een laag klantenaantal biedt initieel voor de ondernemingen weinig tot geen mogelijkheden tot het combineren van orders. Een samenwerking kan hier aldus een groot verschil maken. Bedrijven die op zichzelf een groot aantal klanten bedienen kunnen deze winsten reeds realiseren zonder in een samenwerking te stappen. Toch wordt er opgemerkt dat een samenwerking van twee grote bedrijven steeds voordeliger zal uitdraaien dan een gemengde vorm, waarbij één partij significant groter is dan de andere. In een coalitie met zowel een groot als een klein bedrijf zullen de inefficiënte ritten van de kleine speler weggewerkt worden doordat heel wat optimalisatie- en combinatiepotentieel verkregen wordt met de klanten van de grote speler. Procentueel gezien gaat het in deze coalitie echter om een beperkt aantal orders om werkelijk een verschil te maken voor de grotere speler. Het combineren van twee grote spelers biedt bijgevolg het meeste potentieel. Deze verwachte winst ligt echter nog iets lager dan indien twee kleine bedrijven samenwerken, dit is te wijden aan het feit dat de grotere ondernemingen op zichzelf reeds een gedeeltelijke optimalisatie kunnen doorvoeren. De kleine bedrijven opereren op zichzelf enorm inefficiënt. Met betrekking tot de bestelpolitiek, en aldus de gemiddelde ordergrootte, van de verschillende partijen dient gezocht te worden naar complementariteit met betrekking tot de beschikbare capaciteit van de vrachtwagens. Zo zullen bedrijven met zeer kleine orders baat hebben bij een samenwerking met een partner met een grotere gemiddelde ordergrootte om op die manier samen een hoge beladingsgraad van de trucks te bekomen. De slechtste resultaten worden gevonden bij een samenwerking waarbij de som van de gemiddelde ordergroottes de vrachtwagencapaciteit overschrijdt. In deze studie gaat het om de scenario’s waarbij beide ondernemingen een gemiddelde ordergrootte van 120 eenheden dient te verdelen. Het combineren van zulke orders is gemiddeld genomen onmogelijk zonder de capaciteit van 200 te overschrijden, terwijl het niet combineren slechts voor beladinggraden rond 60 procent zorgt. Het samenwerken met een partner met kleinere ordergroottes is in dit geval aangewezen, zodat hiermee de beladinggraad opgetrokken kan worden. 30
Als laatste dient opgemerkt te worden dat in het definitieve model de standaardafwijking van deze orders op geen enkele manier een significante invloed uitoefent op de verwachte winst. Op basis van deze data dient men aldus te concluderen dat variabiliteit in ordergroottes niet hoeft meegenomen te worden in de partnerkeuze. Het is immers voldoende om op basis van het gemiddelde complementair te zijn. Wel kan hierbij vermeld worden dat een samenwerking op lange termijn gebaseerd dient te zijn op wederzijds vertrouwen en stabiliteit. Bijgevolg zullen in realiteit bedrijven met lage standaardafwijkingen als meer betrouwbaar gezien worden. Dit voordeel kan echter niet wiskundig aangetoond worden op basis van dit werkstuk.
31
8. Beperkingen en verder onderzoek Dit onderzoek baseert zich op een regressieanalyse waarin gebruik gemaakt wordt van drie verklarende variabelen; gemiddelde ordergrootte, standaardafwijking van ordergroottes en het aantal klanten. Het hoeft geen betoog dat in realiteit nog heel wat andere kwantitatieve en kwalitatieve variabelen een belangrijke stempel drukken op winstmarges na de realisatie van een horizontaal samenwerkingsverband. Er kan ondermeer gedacht worden aan de bestelfrequentie van klanten, de fit tussen bedrijfscultuur en processen of de manier waarop de informatiestroom tussen de verschillende partners georganiseerd wordt. In dit werkstuk werden slechts een beperkt aantal observatiewaarden gebruikt voor iedere variabele. Het uitbreiden van de dataset met meerdere niveaus voor de beslissingsvariabelen kan de statistische waarde van gevonden coëfficiënten uitgebreid versterken. Ook werden enkel samenwerkingsverbanden bestudeerd waarbij twee partners een coalitie vormen. In realiteit kan de samenwerking ook geschieden tussen meerdere partijen. Verder wordt er abstractie gemaakt van extra kosten die gepaard gaan met het organiseren en opzetten van de samenwerking. De aanpassingen kunnen eenmalige kosten veroorzaken of kunnen resulteren in een continu gewijzigde kostenstructuur. Bij eenmalige kosten kan gedacht worden aan het opzetten en standaardiseren van informatiesystemen, de constructie van een nieuw centraal depot, kosten verbonden aan het delen en beveiligen van informatie, administratieve kosten,… Indien er gekozen wordt voor een samenwerking met een derde partij, zoals Tri-vizor als orchestrator kunnen de kosten hieraan verbonden als continu beschouwd worden gedurende de samenwerking. Steeds dient geëvalueerd te worden of de verwachte winstcijfers deze extra investering voldoende kunnen verantwoorden. In dit onderzoek wordt de winst bij samenwerking beperkt tot een reductie van ‘afgelegde afstand/kost’ bij het oplossen van de gegeven VRP. Mogelijks heeft deze verandering ook een impact op de andere bedrijfsprocessen waar zich ook winsten of verliezen zullen manifesteren. Er kan bijvoorbeeld gedacht worden aan een aangepast voorraadbeheer. Deze worden hierbij echter niet in rekening gebracht. In verder onderzoek kan het voorgestelde model uitgebreid worden door ook rekening te gaan houden met time windows (VRPTW), waardoor klanten slechts gedurende vooraf aangegeven tijdstippen beleverd dienen te worden. Een tweede interessant vraagstuk bevindt zich bij het incorporeren van flexibiliteit in zulke mathematische modellen. In hoeverre kunnen en willen partijen 32
zich flexibel opstellen om daarmee de ganse coalitie naar een hogere winstmarge te tillen. En hoe vertaalt zich dit dan in een aanvaardbaar winstverdelingsmechanisme, een aspect dat buiten beschouwing werd gelaten in dit werkstuk. Echter, in realiteit dient de behaalde winst op een dusdanige manier opnieuw verdeeld worden over de betrokken partijen.
33
Bibliografie Audy, J.F. et al “A Framework for an efficient implementation of logistics collaborations”, mei 2010 Baldacci, R., Mingozzi, A. & Roberti, R. “Recent exact algorithms for solving the vehicle routing problem under capacity and time window constraints”, European Journal of Operations Research 218: 1-6, 2012 Cruijssen, F. “horizontal cooperation in transport and logistics”, proefschrift, 2006 Cruijssen, F. “Horizontal cooperation in logistics: opportunities and impediments”, Transportation Research Part E 43, pages 129-142, ScienceDirect, 2007 Cruijssen, F. & Salomon, M. “empirical study: Order sharing between transportation companies may result in cost reductions between 5 to 15 percent”, CentER Discussion Paper No. 2004-80, September 2004 De Wit, B. & Meyer, R. “Strategy Synthesis, resolving strategy paradoxes to create competitive advantage”, third edition, book, 2010 Dueck, G., “New optimization heuristics : The great deluge algorithm and Record-To-Record travel”, Journal of computational physics, IBM Germany, Heidelberg Scientific Center, 1991 Durance, C.P. “collaborations among competitors; Texaco Inc. V. Dagher”, THE ANTITRUST BULLETIN: Vol. 53, No. I, pages 35 – 49, 2008 “Ecotransit: Ecological transport information tool”, Technical report, IFEU - Institut fur Energie- und Umweltforschung Heidelberg GMBH, 2008. Fawcett, S.E. “Information sharing and supply chain performance: the role of connectivity and willingness”, Supply chain management : An international Journal 12/5, pages 358 – 368, 2007 “Future supply chain 2016”, technical report, Global Commerc Initiative and Capgemini, 2008 Goel, A. “A roadmap for sustainable freight transport” in: Methods of Multicriteria Decision Theory and Applications, pages 47-56, Shaker, 2009 Gretl, “Gnu Regression, Econometrics and Time-series Library”, software, versie 1.9.6 http://gretl.sourceforge.net/, 2011
34
Hageback, C. & Segerstedt, A. “The need for co-distribution in rural areas - a study of pajala in Sweden” International Journal of Production Economics, 89(2):153{163, 2004 Hill, R. C. & Griffiths, W. E. & Lim, G. C., “Principles of econometrics” fourth edition – international student version, book ISBN 978-0-470-87372-4, John Wiley & Sons, 2012 Lammertyn, L.-P. & Proost, S., “De conjunctuurevolutie in de sector van het beroepsgoederenvervoer over de weg”, thesis Katholieke Universiteit Leuven, 2011 Meuwissen, I.M.P “multimodaal goederenvervoer: optimaal gebruik bespaart u kosten”, 2005 O. Ergun, G. Kuyzu, M. Savelsbergh, “Reducing truckload transportation costs through collaboration”, Transportation Science, 41(2):206{221, 2007 Pandd, “statistiek”, website, http://www.pandd.demon.nl/statistiek.htm, geraadpleegd op 3 mei 2012 Pasi, S. “Transport Statistics”, Focus 117, Eurostat, 2007 Poles, S. & Zecchina, R., “Constraint satisfaction problem using Record-to-Record Travel”, Master thesis in modeling and simulation of complex Realities,The abdus Salam International Centre for Theoretical Physics, September 21, 2004 Porter, M.E “Competitive strategy: Techniques for analyzing industries and competitors”, Free press, 1980 Sarasola, B. “Dynamic vehicle routing problem”, Metaheuristics in Dynamic Environments, gamma website, http://neo.lcc.uma.es/dynamic/vrp.html, geraadpleegd op 17 mei 2012, oktober 2009 Schmeidler, D., “The nucleolus of a characteristic function game”, SIAM Journal on Applied Mathematics, 1969 Shapley, L.S., “A value for n-person games”, Annals of Mathematics Studies, 1953 Simchi-Levi, D., Kaminsky, P. & Simchi-Levi, E., “Designing and managing the supply chain: concepts, strategies and case studies”, third edition, 2009 Stevens, “interaction effects in regression”, http://pages.uoregon.edu/stevensj/MRA/interaction.pdf, geraadpleegd op 14 mei 2012, 2000 Trivizor-website, http://www.trivizor.com
35
Vanovermeire, C. “Duurzaamheid door supply chain consolidatie, een efficiënte tool voor gezamelijke transportplanning tussen verladers”, Aanvraag IWT specialisatiebeurs, 2010
36
Bijlagen B.1 Dataset Tabel 3 : Eigen dataset, gebruikt voor de econometrische analyse
Winst 0.180 0.275 0.162 0.218 0.043 0.127 0.126 0.311 0.229 0.214 0.164 0.193 0.117 0.153 0.119 0.176 0.114 0.324 0.224 0.103 0.213 0.270 0.322 0.149 0.183 -0.040 0.194 0.208 0.261 0.060 0.253 0.199
1
# 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
Bedrijf 1 OG2 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50
SA 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3
1
# = Aantal klanten OG = gemiddelde OrderGrootte 3 SA = StandaardAfwijking van de ordergroottes 2
37
1
# 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
Bedrijf 2 OG2 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 120 120
SA 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3
#
1
10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
Coalitie OG2 SA3 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 85 85
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 35,36 35,36
0.032 0.070 0.111 0.167 0.116 0.166 0.121 0.173 0.030 0.140 0.222 0.097 0.101 0.161 0.008 0.143 0.121 0.187 0.020 0.189 0.280 0.271 0.202 0.235 0.170 0.244 0.089 0.103 0.335 0.144 0.111 0.048 0.136 0.130 0.231 0.222 0.219 0.240 0.186 0.171 0.339 0.203 0.122 0.136 0.154 0.111
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50
5 5 5 5 5 5 5 5 5 5 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 38
5 5 5 5 5 5 20 20 20 20 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 20 20 20
120 120 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 120 120 120 50 50 50
5 5 30 30 30 30 5 5 5 5 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30
10 10 10 10 10 10 25 25 25 25 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 25 25 25
85 85 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 85 85 85 50 50 50
35,36 35,36 21,51 21,51 21,51 21,51 5 5 5 5 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 46,10 46,10 46,10 30 30 30
0.102 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 -0.072 0.000 0.000 0.000 0.000 0.000 0.000 0.059 0.000 0.025 0.000 0.000 0.052 0.000
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
50 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120
30 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 30 30 30 30 30 30 30 39
20 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 20 20 20 20 5 5 5 5 5 5 5
50 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120
30 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 30 30 30 30 5 5 5 5 30 30 30 30 30 30 30
25 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 25 25 25 25 10 10 10 10 10 10 10
50 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120
30 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 21,51 21,51 21,51 21,51 5 5 5 5 30 30 30 30 30 30 30
0.043 0.000 0.000 0.089 0.134 0.009 0.001 0.098 0.020 0.020 0.134 0.049 0.009 0.047 0.134 0.000 0.000 0.041 0.017 0.045 0.047 0.031 0.100 0.046 0.000 0.019 0.005 0.085 0.088 0.124 0.105 0.139 0.108 0.127 0.072 0.099 0.132 0.141 0.098 0.113 0.092 0.108 0.109 0.097 0.161 0.124
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20
120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50
30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 40
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20
120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50
30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 25 25 25 25 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50
30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
0.150 0.132 0.124 0.111 0.141 0.116 0.153 0.123 0.136 0.140 0.132 0.136 0.149 0.172 0.204 0.123 0.094 0.151 0.100 0.112 0.089 0.147 0.144 0.141 0.150 0.132 0.143 0.149 0.100 0.114 0.115 0.139 0.125 0.127 0.121 0.145 0.117 0.102 0.142 0.140 0.077 0.119 0.144 0.163 0.160 0.156
20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20
50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 41
20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20
50 50 50 50 50 50 50 50 50 50 50 120 120 120 120 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30
40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
50 50 50 50 50 50 50 50 50 50 50 85 85 85 85 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50
5 5 5 5 5 5 5 5 5 5 5 35,36 35,36 35,36 35,36 21,51 21,51 21,51 21,51 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30
0.140 0.127 0.160 0.142 0.180 0.171 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.002 0.015 0.000 0.016 0.027 0.021 0.015 0.027 0.048 0.019
20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20
50 50 50 50 50 50 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120
30 30 30 30 30 30 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 30 30 30 30 30 30 42
20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20
50 50 50 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120
30 30 30 30 30 30 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 30 30 30 30 30 30 30 30 30 30
40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
50 50 50 85 85 85 85 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120
30 30 30 46,10 46,10 46,10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 21,51 21,51 21,51 21,51 30 30 30 30 30 30
0.030 0.055 0.004 0.030 0.008 0.003 0.017 0.057 0.013 0.043 0.020 0.022 0.020 0.047 0.026 0.000 0.027 0.012 0.015 0.022 0.005 -0.080 0.012 -0.001
20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20
120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120
30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30
43
20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20
120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120
30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30
40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120 120
30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30
B.2 Grafische voorstelling van de hoofdeffecten
winst
winst
Figuur 11 : grafische voorstelling van de hoofdeffecten (GRETL-output)
OG
winst
KL
SA
44
B.3 RESET-test; enkel hoofdeffecten Figuur 12 : RESET-test op het algemene model, enkel hoofdeffecten (GRETL-output)
B.4 Error-term voor de hoofdeffecten
SA
OG
uhat2
KL
uhat2
uhat2
winst
uhat2
uhat2
uhat2
Figuur 13 : Error-term voor de hoofdeffecten (GRETL-output)
SAk
45
OGk
B.5 RESET – test; regressie met interactie-effecten Figuur 14 : RESET - test; regressie met interactie-effecten (GRETL - output)
46
B.6 GRETL input script Figuur 15 : input script voor de GRETL - software open "C:\users\Christof\documents\UA\2e master\Thesis\Eigen data\gretl.xlsx" series SAk = SA*SA series OGk = OG*OG series KLk = KL*KL ols winst const OG SA KL series uhat = $uhat reset ols winst const OG OGk SA SAk KL series uhat2 = $uhat modeltab add reset series series series series series series series series series series series series series series series
OG1OG2 SA1SA2 SA1OG2 KL1KL2 KL1OG2 KL1SA2 OG1SA2 OG2SA1 OG1KL2 OG2KL1 SA1KL2 SA2KL1 OGSA = SAKL = OGKL =
= OG1*OG2 = SA1*SA2 = SA1*OG2 = KL1*KL2 = KL1*OG2 = KL1*SA2 = OG1*SA2 = OG2*SA1 = OG1*KL2 = OG2*KL1 = SA1*KL2 = SA2*KL1 OG*SA SA*KL OG*KL
#kwadraten / derdemachten series series series series series series series series series series series series series series
OG1k = OG1*OG1 SA1k = SA1*SA1 KL1k = KL1*KL1 OG1OG2k = OG1OG2*OG1OG2 OG1SA2k = OG1SA2*OG1SA2 OG1KL2k = OG1KL2*OG1KL2 OG1KL2kk = OG1KL2*OG1KL2*OG1KL2 SA1KL2k = SA1KL2*SA1KL2 SA1SA2k = SA1SA2*SA1SA2 SA1OG2k = SA1OG2*SA1OG2 KL1KL2k = KL1KL2*KL1KL2 KL1OG2k = KL1OG2*KL1OG2 KL1OG2kk = KL1OG2*KL1OG2*KL1OG2 KL1SA2k = KL1SA2*KL1SA2
#lineaire OLS van hoofdeffecten bedrijf 1 en interactie-effecten ols winst OG1 SA1 KL1 OG1OG2 OG1SA2 OG1KL2 SA1OG2 SA1SA2 SA1KL2 KL1OG2 KL1SA2 KL1KL2 reset #OLS-regressie met kwadratische interactie-effecten ols winst SA1 SA1k OG1OG2 OG1OG2k OG1KL2 OG1KL2k SA1SA2 KL1KL2 reset #OLS-regressie interactie-effecten ols winst const OG SA KL OG1OG2 SA1SA2 KL1KL2 OG1SA2 OG1KL2 SA1KL2 SA1OG2 reset #OLS-regressie interactie-effecten enkel significante ols winst OG OGk KL OG1OG2 KL1KL2 OG1KL2 modeltab add reset modeltab show modeltab free
47
Verklaring op woord van eer Ik verklaar dat ik deze aan de Faculteit TEW ingediende masterproef zelfstandig en zonder hulp van anderen dan de vermelde bronnen heb gemaakt. Ik bevestig dat de direct en indirect overgenomen informatie, stellingen en figuren uit anderen bronnen als zodanig aangegeven zijn in overeenstemming met de richtlijnen over plagiaat in de masterproefbrochure. Ik bevestig dat dit werk origineel is, aan geen andere onderwijsinstelling werd aangeboden en nog niet werd gepubliceerd. Ik ben mij bewust van de implicatie van fraude zoals beschreven in artikel 18 van het onderwijs- en examenreglement van de Universiteit Antwerpen. (www.ua.ac.be/oer)
Datum
30 mei 2012
Plaats
Antwerpen
Naam
Defryn Christof
Handtekening
48
