Logistiikan tehostaminen big dataa hyödyntäen
Ahonen, Jesse (2018)
2018
Kuvaus
Opinnäytetyö kokotekstinä PDF-muodossa.
Tiivistelmä
Logistiikasta ja kuljetuksista voi muodostua merkittävä osa yrityksen kustannuksista. Näin ollen logistiikkaa tehostamalla yritys voi saavuttaa huomattavia kustannussäästöjä.
Tässä kvantitatiivisessa tutkimuksessa kartoitetaan Honkajoki Oy:n logistiikan nykytilanne big dataa hyödyntäen. Nykytilanteen kartoituksen lisäksi tutkimuksessa etsitään ongelmakohtia logistisessa prosessissa ja annetaan myös ratkaisuehdotuksia niille. Honkajoki Oy:n big dataa ei olla aiemmin analysoitu, joten big datan laatuun ja sen kehittämiseen kiinnitetään myös huomiota.
Tutkielman teoreettinen viitekehys rakentuu logistiikasta, big datasta ja ajoneuvon konttien täyttöasteesta. Logistisia prosesseja tehostetaan muokkaamalla big dataa sellaiseen muotoon, että sen avulla pystyy tekemään johtopäätöksiä. Tehostamiseen kuuluu vahvasti ajoneuvon kontin täyttöasteen parantaminen.
Honkajoki Oy:n big datan analysoinnissa huomattiin joitain ongelmia sen kirjaustavoissa. Tavoilla oli suorat vaikutukset big datan laatuun.
Kuljetussuunnittelu jäi pieneksi osaksi tutkimusta, koska big dataa analysoidessa huomattiin, että siitä ei löytynyt tarpeeksi yksityiskohtaista tietoa sitä varten. Kuljetussuunnittelun tehostamiseen tehtiin kuitenkin kaksi ehdotusta sille, kuinka ajoneuvot voisi maantieteellisesti sijoitella tehokkuuden parantamiseksi ja luotiin pohja tulevaisuuden kehittämiselle.
Tämän tutkimuksen tulokset osoittivat, että ajoneuvon täyttöasteella on suuri vaikutus logistisen prosessin ylimääräisten kustannusten syntyyn. Huono täyttöaste lisää kuljetusten määrää ja kustannuksia. Tutkimuksessa selviää lähtöpaikat ja tuoteluokat, jotka aiheuttavat eniten ylimääräisiä kustannuksia Honkajoki Oy:lle.
Tässä kvantitatiivisessa tutkimuksessa kartoitetaan Honkajoki Oy:n logistiikan nykytilanne big dataa hyödyntäen. Nykytilanteen kartoituksen lisäksi tutkimuksessa etsitään ongelmakohtia logistisessa prosessissa ja annetaan myös ratkaisuehdotuksia niille. Honkajoki Oy:n big dataa ei olla aiemmin analysoitu, joten big datan laatuun ja sen kehittämiseen kiinnitetään myös huomiota.
Tutkielman teoreettinen viitekehys rakentuu logistiikasta, big datasta ja ajoneuvon konttien täyttöasteesta. Logistisia prosesseja tehostetaan muokkaamalla big dataa sellaiseen muotoon, että sen avulla pystyy tekemään johtopäätöksiä. Tehostamiseen kuuluu vahvasti ajoneuvon kontin täyttöasteen parantaminen.
Honkajoki Oy:n big datan analysoinnissa huomattiin joitain ongelmia sen kirjaustavoissa. Tavoilla oli suorat vaikutukset big datan laatuun.
Kuljetussuunnittelu jäi pieneksi osaksi tutkimusta, koska big dataa analysoidessa huomattiin, että siitä ei löytynyt tarpeeksi yksityiskohtaista tietoa sitä varten. Kuljetussuunnittelun tehostamiseen tehtiin kuitenkin kaksi ehdotusta sille, kuinka ajoneuvot voisi maantieteellisesti sijoitella tehokkuuden parantamiseksi ja luotiin pohja tulevaisuuden kehittämiselle.
Tämän tutkimuksen tulokset osoittivat, että ajoneuvon täyttöasteella on suuri vaikutus logistisen prosessin ylimääräisten kustannusten syntyyn. Huono täyttöaste lisää kuljetusten määrää ja kustannuksia. Tutkimuksessa selviää lähtöpaikat ja tuoteluokat, jotka aiheuttavat eniten ylimääräisiä kustannuksia Honkajoki Oy:lle.