The view on safety buffers is fragmented in the current literature; some researchers argue that a safety buffer is only waste, while others see them as prerequisites to absorb variations and secure a competitive delivery capability. This study conceptualises various safety buffer types in terms of materials, capacity and lead time to mitigate the negative effects of short-term stochastic variations in supply and demand. The identified safety buffers are categorised based on a material flow perspective as inbound, process and outbound buffers. In total, seven safety buffer sub-types are identified and investigated in terms of their utilization in four manufacturing companies. The experiences from eleven respondents highlight the utilization purposes in their selection of safety buffers. The empirical investigation also indicates several concerns through four propositions that highlight the significance of decision support, providing a more holistic perspective on different types and sub-types of safety buffers and their application in practice. Finally, a conceptual framework is proposed to facilitate the selection of safety buffers in practice. 

Purpose

The purpose of the paper is to describe ambidextrous learning in organizations within the customer order-based context (COBC), here based on a dynamic view of work processes. The study focuses on how organizations can learn while working with customer orders, considering learning in organizations as both a process and an outcome.

Design/methodology/approach

This conceptual article focuses on learning in the COBC, where the individual customer requirements represent a key input into the organization’s work processes, thus limiting the possibilities to plan and standardize. The COBC brings about challenges and potentials for learning in organizations where task variety and complexity are high and in which the contradictory interplay between efficiency and responsiveness is apparent not only at a strategic level but also at an operative level in the customer order fulfillment processes. Depending on the variations in tasks and parallel complex work processes between different units in the organization, the ambidextrous learning dynamic can appear in the COBC.

Findings

Five propositions were made from the analysis: Proposition 1: Learning in the COBC can occur both in real-time but also in retrospect and with sporadic and recurrent interventions. Proposition 2: Learning in the COBC can occur for, as well as from, customer order processes. Proposition 3: Learning in the COBC varies and will depend on the delivery strategy. Proposition 4: Learning can be stimulated by the variation in priorities among customer orders in the COBC because the work characteristics for the back office and front office differ between customer order fulfillment processes. Proposition 5: Learning in the COBC can occur both within the back office and front office but also between these organizational units. The paper discusses the importance of building learning infrastructure in COBC and how that can be supported by a suggested learning office.

Originality/value

The present study demonstrates the importance of functions being able to act both as back office and front office in relation to delivery strategy. It also shows the ambidextrous learning process for the sake of improving both the internal efficiency and external effectiveness across the organization.

Purpose – The purpose of the study is to describe the implications of strategic lead times (SLTs) for return oninvestment (ROI).

Design/methodology/approach – This study was part of an interactive research project and is based on thelogic of theory application leading to theory building. It uses a multiple case study with five holistic singlecases. Empirical data (ED) have mainly been collected from interviews and focus groups.

Findings – The length of and uncertainty in SLTs have implications for companies’ financial performance.These implications vary in strength and can be either direct or indirect. These findings are incorporated into aframework on SLTs’ implications for ROI.

Research limitations/implications – The presented array of SLTs’ implications for ROI could be furtherinvestigated, focussing on their strength. Additionally, it would be interesting to substantiate the findings inthe context of environmental and social sustainability (i.e. the triple bottom line).

Practical implications – The findings offer practitioners a rich description and understanding of SLTs’actual implications for financial performance in terms of ROI. This knowledge can support practitioners inanalysing supply chain designs based on financial performance.

Originality/value – Using a combination of a relative financial performance measure (ROI) and a set of SLTs(systems perspective), this study focuses on SLTs’ actual implications for ROI. The findings provide evidencethat different sections of a supply chain can have different implications for revenue, cost and investment (i.e. thethree absolute measures related to ROI).

Alla tillverkande företag i försörjningskedjor är utsatta för variationer av olika slag. Det kan vara fråga om variationer i efterfrågan på produkter, variationer i tillgång på kapacitet i de värdeförädlande processerna och variationer i tillgång på material att förädla. Sådana variationer påverkar effektiviteten negativt, både i materialflöden och i kapacitetsutnyttjande, och bör genom olika typer av åtgärder reduceras så längt som det är ekonomiskt försvarbart. De variationer som återstår och som inte kan reduceras ytterligare bör istället absorberas med hjälp av olika slag av säkerhetsbuffertar. Det kan exempelvis vara frågan om materialbuffertar av typ säkerhetslager, kapacitetsbuffertar av typ säkerhetskapacitet och tidsbuffertar av typ kötider och säkerhetsledtider.

Storleken på de olika buffertar som används påverkar både intäkter, kostnader och kapitalbindning. De måste därför positioneras i flödet och dimensioneras så effektivt som möjligt. Buffertar kan dimensioneras baserat på erfarenhetsmässiga bedömningar alternativt med hjälp av olika beräkningsmetoder. Med bedömningsmetoder måste buffertstorlekarna sättas på detaljerad nivå och det är i huvudsak endast personal som är involverad i den detaljerade operativa verksamheten som har rimliga förutsättningar att göra bra värderingar och fatta beslut. Det kan innebära att beslut som påverkar så för företaget avgörande framgångsfaktorer som leveransförmåga, kapacitetsutnyttjande och kapitalbindning till stor del måste fattas av enskilda medarbetare på ”golvnivå”. 

Med beräkningsmetoder blir buffertstorlekar en funktion av en beslutsparameter och indata på en eller flera buffertstorlekspåverkande variabler. De möjliggör att dimensionering i större utsträckning kan göras på en mer grupperad nivå och med mer managementbaserade beslut. Med beräkningsmetoder kommer dessutom buffertstorlekar att kunna relateras till faktorer som påverkar hur stora de bör vara, exempelvis att efterfrågevariationer påverkar ett säkerhetslagers storlek. I många förekommande beräkningsmetoder är beslutsparametrarna inte identiska med resultatvariablerna. Detta försvårar möjligheterna att sätta lämpliga värden. Metoderna utgår också vanligtvis från ett begränsat antal buffertpåverkande variabler och de teoretiska beräkningsmodeller som ingår i metoderna bygger oftast på förenklande antaganden. 

För att komma tillrätta med dessa svagheter med beräkningsmetoder och de osäkerheter som är förknippade med bedömningsmetoder är det väsentligt att tillämpa dem inom ramen för ett adaptivt tillvägagångsätt. Det innebär att mål sätts för önskade värden på varje resultatvariabel, så kallade ”bör-värden”, och att periodiskt och rutinmässigt genom resultatmätning få information om de verkliga utfallen, så kallade ”är-värden”. Är skillnaden mellan ett är- och ett bör-värde inte acceptabel anpassas värdet på beslutsparametern. I den här artikeln redovisas synpunkter på användning av bedömningsmetoder vs beräkningsmetoder, ett koncept för adaptiv styrning av säkerhetsbuffertar och en sammanställning av ett antal alternativa resultatvariabler som kan användas för att definiera ”bör-värden” och mäta ”är-värden” för respektive buffert.

En central utmaning inom logistik är att hantera variationer. Externa orsaker till variationer kan vara t.ex. osäker efterfrågan eller leverantörer med ledtider som avviker mot det förväntade. På motsvarande sätt kan variationer skapas internt genom partiformning eller oväntade avbrott i produktion. Variationer är en ständig utmaning för beslutsfattare eftersom de skapar obalans i verksamhetens flöden. Från ett resursperspektiv innebär variationerna en obalans mellan behov och tillgång av resurser och en viktig utgångspunkt är då att reducera dessa så långt som det är ekonomiskt försvarbart. De återstående variationerna måste absorberas på något sätt för att inte påverka leveransförmågan negativt. Buffertar fyller denna funktion där förmågan att absorbera avgörs av den typ av buffert som används och i kombination med var den är positionerad och hur stor bufferten är. Det finns i huvudsak tre olika bufferttyper och dessa är kopplade till material, kapacitet och ledtid. Baserat på syftet med buffertarna bör de positioneras på olika ställen och storleken på buffertarna baseras på variationer och den risk företaget är beredd att ta. En buffert kopplad till risk, i termer av stokastiska variationer, benämns här säkerhetsbuffert och är en del av en totalbuffert som utgör hela tillgången på en resurs. När buffertarna har fått sin initiala positionering och dimensionering så vidtar den löpande styrningen av buffertarna där de kan anpassas efter de behov som finns (det här kan i princip även omfatta omdimensionering och ompositionering genom ett iterativt förfarande). Olika typer av styrning kan då tillämpas. Konventionell styrning avser vanligen återkoppling av ett ”är-läge” (t.ex. en lagernivå) för att jämföra med ett s.k. ”bör-läge”. Ur ett affärsperspektiv bör styrningen istället ta sin utgångspunkt i ett mått på intern eller extern servicenivå kopplat till hur effekten av bufferten. Att på det här sättet tydliggöra utgångspunkten för buffertstyrning är central ur ett kundperspektiv (intern eller extern kund). Den erhållna servicenivån jämförs då löpande med en önskad servicenivå och används för att justera buffertens storlek men ibland är det inte tillräckligt att bara flytta fokus till servicenivå. Den här typen av styrning kräver dessutom ofta en högre grad av anpassningsförmåga vad gäller själva styrningen och det kan uppnås genom att tillämpa s.k. adaptiv styrning. Adaptiv styrning bygger på en större grad av flexibilitet jämfört med statisk styrning eftersom t.ex. även modellen i sig kan ändras. Statisk styrning bygger på att en styrmodell är identifierad och att nödvändiga parametrar i modellen är bestämda. Med det som utgångspunkt kan sedan bufferten styras mer eller mindre automatiskt med förhållandevis enkla medel. Om erhållen servicenivå avviker från den önskade kan det dock kräva att styrmetoden förändras och det kan göras på olika nivåer. Dels kan parametrar i den aktuella styrmodellen behöva anpassas och det betecknar vi som adaptiv styrning av typen ”Adaptiv-P”. I en del fall är det inte tillräckligt utan det är nödvändigt att förändra själva modellen som används för styrningen och det betecknas här som ”Adaptiv-M”. Hur detta görs beror dock till stor del på hur manuell, automatisk eller semiautomatisk styrning tillämpas. Den här artikeln illustrerar hur de två typerna av adaptiv styrning kan tillämpas på buffertstyrning och syftet med den här studien är därför att visa hur buffertstyrning med utgångspunkt i servicenivå är kopplad till ett adaptivt förhållningssätt.

The interest in customization has increased due to globalization, and globalization makes competing on price more difficult if access to low-cost production is unavailable. Customization usually implies the creation of variants, where the final products are customized in form, place and/or time. However, the relation between customization and variants is unclear; therefore, the purpose of this study is to analyze customization in terms of form, place and time, as well as relate it to product proliferation (i.e., variant creation). Here, a time perspective is used, creating a clear relation to flow thinking. Using flow thinking and the two strategic decoupling points related to flow driver (customer order decoupling point) and flow differentiation (customer adaptation decoupling point) provides a better understanding of what, where and when customization can be applied.

Systematic and stochastic variations, both endogenous and exogenous to companies, are a constant challenge for decision makers struggling to maintain a competitive advantage for the business. In response the decision maker introduces buffers to absorb variations but this does not target the source of the problem. The first step should instead be to focus on how to reduce variations and then to handle the remnant variations. In summary the first step should be to perform variation management and then as the second step buffer management should be applied. The combination of these two subprocesses represent service performance management and within this context is buffer dimensioning a key challenge. Input data, decision maker and process logic are identified as three key aspects of buffer dimensioning which are integrated and resulting in six scenarios. These scenarios unravel different conditions for performing buffer dimensioning and facilitate an awareness of a match or mismatch between current and desired situation. 

Användning av planerade ledtider är en förutsättning för att effektivt kunna styra materialflöden och kapacitetsutnyttjande. I tillverkande företag krävs de exempelvis för att med hjälp av ledtidsförskjutningar beräkna starttidpunkter för tillverkningsorder från önskade färdigtidpunkter. Detta är exempelvis fallet vid användning av materialbehovsplanering och för bestämning av beställningspunkter i beställningspunktssystem. Planerade ledtider krävs också för att kunna använda fasta leveranstider vid tillverkning mot kundorder. Av de komponenter som ledtider består av anses kötiden vara den mest svårbestämbara och dessutom den som ofta utgör den största delen av ledtiden. De i företag vanligaste sätten att bestämma planerade ledtider är att antingen direktuppskatta den totala ledtiden baserat på erfarenhet eller att uppskatta var och en av de ingående komponenterna, exempelvis kötiderna, och sedan addera dem till en total ledtid. Det finns ett antal nackdelar med detta tillvägagångssätt, bland andra att kötiderna inte blir en funktion av kötidspåverkande faktorer som önskad utnyttjningsgrad och variationer i tider mellan ankomster och i operationstider. I en behovsstyrd planeringsmiljö där utgångspunkten är att kunna leverera när behov av att fylla på lager uppstår eller kund önskar få levererat inträffar önskade färdigtidpunkter slumpmässigt över tid. Via ledtidsförskjutningen inträffar följaktligen även planerade starttidpunkter slumpmässigt. Dessa starttidpunkter kan därmed betraktas som slumpmässiga ankomster av tillverkningsorder. Det ligger då nära tillhands att använda ett köteoretiskt angreppssätt för att beräkna kötider som ett alternativ till att basera dem på erfarenhetsuppskattningar. Vid tillämpning av köteoretiska beräkningsmodeller i det här sammanhanget föreligger två principiella problem som måste hanteras för att kunna åstadkomma trovärdiga resultat. Det ena problemet gäller de antaganden om exponentialfördelade ankomsttider mellan order och exponentialfördelade operationstider som förekommer i traditionella köteoretiska modeller. För att få någorlunda realistiska beräkningar behöver dessa beräkningsmodeller anpassas så att de bygger på mer realistiska och i praktiken förekommande fördelningar. Det andra problemet är att de kötider som beräknas med de teoretiska modellerna är medelkötider. Kötider är stokastiska variabler vilket innebär att kötiderna för enskilda tillverkningsorder varierar och som konsekvens att vissa order levereras för tidigt medan andra kommer att bli leveransförsenade och därmed påverka servicenivån, exempelvis i form andel order som kan levereras i tid. En modell för att beräkna kötider i den kontext det är fråga om här, måste följaktligen inte endast beakta önskade utnyttjningsgrader utan även kunna ta hänsyn till önskade servicenivåer. I den här studien har en sådan beräkningsmodell utvecklats. Modellens användbarhet och tillförlitlighet har också testats med hjälp av simulering.

Buffer management is an important part of manufacturing planning and control where the safety buffers provide robustness in relation to uncertainty in demand and supply. Hierarchical control of safety buffers highlights the significance of decisions made at different levels and for different purposes with inter-level feedback and intra-level adaptation. A period-based view of time complements the hierarchical control by identifying inter-period and intra-period aspects of managing uncertainty and thereby promoting a proactive dominated or reactive dominated way of managing uncertainty. By combining these two inter vs. intra based concepts, a hierarchical approach to adaptive safety buffer control in manufacturing planning and control is outlined.