Aggregált lean KPI-k eredményeinek minősítése fuzzy logika mentén
Absztrakt
A lean menedzsment alkalmazása a 21. században az ipari vállalkozások működésében alapvető versenykritérium lett. A különböző lean menedzsmenthez kötődő eszközök és módszerek alkalmazása a vállalati funkciók jelentős részében megjelenik. Fontos megemlíteni viszont azt is, hogy számos más, nem lean célokat támogató eszköz és módszer vegyes alkalmazása mellett vannak alkalmazva ezen lean eszközök és módszerek. Ezen probléma pedig a controlling számára is kihívást jelent. Mivel a lean accounting módszerek ilyen környezetben nem feltétlenül hatékonyan mérik a lean mértékét, ezért mind a tudományos, mind az üzleti gyakorlati életben számos egyéb módszereket alkalmaznak, a lean monitoringozására. Ezek közül kiemelendő a fuzzy logikán alapuló lean értékelő modellek. Ezen modellek segítségével elsősorban pénzügyi adatok mentén lehetséges meghatározni egy vállalkozás lean teljesítményét. A modell hátránya viszont, hogy a lean menedzsment számos olyan funkcionális területen is megjelenik, amelyet pénzügyi mutatószámok mentén nem lehet értékelni, viszont egyértelműen elősegíti a lean menedzsment működését.
Kutatásunkban egy instrumentális esettanulmányon keresztül szemléltetönk egy olyan komplex lean controlling módszer együttest, amely alkalmazásával a vállalkozások számára lehetővé válik a lean menedzsment teljesítményértékelése, illetve a különböző beavatkozási pontok feltárása. A kutatási eredményeink által lehetővé válik a lean fuzzy index kiszámítása nem csak pénzügyi adatok mentén, ezáltal pedig pontosítva az index információtartalmát. A vizsgálatainkban megfogalmazott módszerek és mutatószámok mentén elkülöníthetővé és mérhető válik a lean módszerek és eszközök, illetve a lean célokat támogató folyamatok és módszerek hatékonysága. Kutatási célunk egy általánosan alkalmazható lean controlling konceptuális modell megalkotása.
Hivatkozások
Anthony, R. N. & Vijay, G. 2006. Management Control Systems 12th Edition. New York, McGraw-Hill Education.
Babbie, E. 2013. The practice of social research (13th. edit.). USA Belmont: Wadsworth, Cengange Learning.
Barta, Á. & Molnár, M. 2021. Forecasting oil price based on online occurence. Modern Science, 1, 5-11.
Bayou, M. E. & Korvin, A. D. E. 2008. Measuring the leanness of manufacturing systems—A case study of Ford Motor Company and General Motors. Journal of Engineering and Technology Management, 25(4), 287-304. https://doi.org/10.1016/j.jengtecman.2008.10.003
Bromwich, M. 1990. The case for strategic management accounting: The role of accounting information for strategy in competitive markets. Accounting, Organizations and Society, 15(1–2), 27-46. https://doi.org/10.1016/0361-3682(90)90011-I
Chiarini, A. 2013. Lean Organization: from the Tools of the Toyota Production System to Lean Office, Verlag Italy, Springer.
Duru, O., Bulut, E., Huang, S. & Yoshida, S. 2013. Shipping Performance Assessment and the Role of Key Performance Indicators (KPIs): 'Quality Function Deployment' for Transforming Shipowner's Expectation. SSRN Electronic Journal, 1-18. http://dx.doi.org/10.2139/ssrn.2195984
Fanning, K. 2016. Big Data and KPIs: A Valuable Connection 2016. Corporate Accounting and Finance, 27(3), 17-19. https://doi.org/10.1002/jcaf.22137
Grant, N. 2000. E-Business and Erp: Transforming the Enterprise. New York: John Wiley & Sons.
Gyenge, B. Kozma, T. & Szilágyi, H. 2015. Lean menedzsment alkalmazása szolgáltatóvállalat esetében. Vezetéstudomány, 46(4), 44-54.
Havasi, I. & Benő, D. 2012. Hagyományos és Fuzzy nem Felügyelt osztályozás összehasonlítása vegetációs index példáján. Tájökológiai Lapok, 10(1), 115–123.
Hawking, P. & Sellitto, C. 2010. Business Intelligence (BI) Critical Success Factors. 21st Australasian Conference on Information Systems, Brisbane
Hazen, B. T., Boone, C. A., Ezel, J. D. & Jones, F. L. A. 2014. Data quality for data science, predictive analytics, and big data in supply chain management: An introduction to the problem and suggestions for research and applications. International Journal of Production Economics, 154, 72-80. https://doi.org/10.1016/j.ijpe.2014.04.018
Hines, P., Holweg, M. & Rich, N. 2004. Learning to evolve – A review of contemporary lean thinking. International Journal of Operations & Production Management, 24(10), 994-1011. https://doi.org/10.1108/01443570410558049
Jacobs, F. R., Weston, F. C. 2006. Enterprise resource planning (ERP)—A brief history. Journal of Operations Management, 25(2), 357-363. https://doi.org/10.1016/j.jom.2006.11.005
Liker, J. K. 2004. The Toyota Way, New York. CWL Publishing Enterprises Inc.
Marodina, G. A., Guilherme, G. F., Tortorellac, L. & Torbjørn N. 2018. Lean product development and lean manufacturing: Testing moderation effects. International Journal of Production Economics. 203, 301-310. https://doi.org/10.1016/j.ijpe.2018.07.009
Maskell, B. H. 2000. Lean accounting for lean manufacturers. Manufacturing Engineering, 125(6), 46-53.
Negash, S. & Gray, P. 2008. Business Intelligence. In: F. Burstein, edit. Handbook on Decision Support Systems, 20(2), 150-152. Springer. Berlin, Heidelberg. https://doi.org/10.1007/978-3-540-48716-6_9
Otley, D. 1999. Performance management: a framework for management control systems research. Management Accounting Research, 10(4), 363-382. https://doi.org/10.1006/mare.1999.0115
Radó, I. 2019. Áttérés a pénzügyi számvitellel integrált vezetői számvitelre az SAP S/4HANA Finance szoftverrel, Menedzsment és controlling portál, https://www.controllingportal.hu/atteres-a-penzugyi-szamvitellel-integralt-vezetoi-szamvitelre-az-sap-s-4hana-finance-szoftverrel/
Richards, G., Yeoh, W., Chong, A. Y. L., & Popovič, A. 2017. Business Intelligence Effectiveness and Corporate Performance Management: An Empirical Analysis. Journal of Computer Information Systems, 1–9. https://doi.org/10.1080/08874417.2017.1334244
Ruiz‐de‐Arbulo‐Lopez, P., Fortuny‐Santos, J. & Cuatrecasas‐Arbós, L. 2013. Lean manufacturing: costing the value stream. Industrial Management & Data Systems, 113(5), 647-668. https://doi.org/10.1108/02635571311324124
Schnellbach, P. & Reinhart, G., 2015. Evaluating the Effects of Energy Productivity Measures on Lean Production Key Performance Indicators. Procedia CIRP, 26, 492-497. https://doi.org/10.1016/j.procir.2014.07.094
Shiego, S. 1989. A study of the Toyota Prduction System: From an Indistrial Engineering Viewpont. Productivity Press, Cambridge.
Singh, B., Garg, S. K. & Sharma, K. 2011. Value stream mapping: literature review and implications for Indian industry. The International Journal of Advanced Manufacturing Technology, 53, 799-809. 10.1007/s00170-010-2860-7
Stake, R. E. 1994. Case Studies. in: Denzin, N.K. és Lincoln, Y.S.: Handbook of qualitative research. Sage, California, Thousand Oaks
Tabesh, P., Moushavidim, E. & Hasani, S. 2019. Implementing big data strategies: A managerial perspective. Business Horizons, 3(62), 347-358. https://doi.org/10.1016/j.bushor.2019.02.001
Thalmeiner, G., Suhajda, Á. & Tóth, M. 2019. Teoretikus kontrolling szemléletek. Controller Info, 2, 23-29.
Thalmeiner, G. (2021). Target costing as an applied method in agribusiness. Modern science / Moderni veda, 2, 25-41.
Toarniczky, A., Imre, N., Jenei, I., Losonci, D. & Primecz, H. 2012. A lean kultúra értelmezése és mérése egy egészségügyi szolgáltatónál. Vezetéstudomány, 42 (2), 106-120. https://doi.org/10.14267/VEZTUD.2012.ksz2.11
Vörös, J. 2010. Termelés és szolgáltatásmenedzsment, Budapest, Akadémiai Kiadó.
Ward, Y., Crute, V., Tomkins, C. & Graves, A. 2003. Cost Management and Accounting Methods to Support Lean Aerospace Enterprises, University of Bath
Womack, J. P. & Jones, D. T. 2003. Lean Thinking. New York. A Division of Simon &Schuster.
Zadeh, L. A. 1965. Fuzzy sets. Information and Control, 8(3), 338–353. https://doi.org/10.1142/9789814261302_0021
Zéman, Z. 2020. Blockchain’s expected impact on accounting. Economics & working capital, SI, 91-96.
