Determinaty łańcucha dostaw zmniejszające prawdopodobieństwo wystąpienia

Gdyby analizować tylko procentowy rozkład odpowiedzi na pierwsze z rozpatrywanych w tym podrozdziale pytań – dotyczące zmniejszenia prawdopodobieństwa wystąpienia zakłócenia − to okazuje się, że według 42% respondentów „raczej tak” i według 20% „zdecydowanie tak”:

− wymiana informacji o poziomach zapasów z dostawcami i odbiorcami i

− bardziej zintegrowane procesy między przedsiębiorstwem a jego dostawcami, zmniejszą prawdopodobieństwo wystąpienia zakłócenia.

Następnie wskazywano na uproszczone procesy planowania, zamawiania i realizacji zamówień jako czynnik potencjalnie zmniejszający prawdopodobieństwo wystąpienia zakłócenia w łańcuchu dostaw – 39% odpowiedzi na raczej tak i 20% odpowiedzi – zdecydowanie tak. Kolejnymi elementami zmniejszającymi prawdopodobieństwo wystąpienia zakłócenia były odpowiednio:

− zintegrowane systemy informatyczne na poziomie łańcucha dostaw,

− dostęp do informacji o planowanych promocjach w punktach sprzedaży detalicznej, − mniej punktów transferowych w przepływie dóbr (ogniw w łańcuchu dostaw), − wyższe wymagania odnośnie do wskaźników terminowości dostaw,

− więcej dostawców,

− mniej podstawowych komponentów produktu,

− czasy przepływu dóbr pomiędzy dostawcą a odbiorcą są dłuższe, − mniejsze odległości pomiędzy przedsiębiorstwami.

163

Wykres 4. Najczęściej wskazywane determinanty łańcucha dostaw, zmniejszające

prawdopodobieństwo występowania zakłócenia w łańcuchu dostaw

Źródło: opracowanie własne.

Posłużono się jednak analizą czynnikową, aby zawęzić obszar rozważań. Badane zmienne wymieniane są w literaturze w bardzo różnych konfiguracjach. Wytypowano je, zestawiając w drodze analizy literatury wszystkie podejścia i eliminując powtarzające się zmienne. Wciąż jednak warto zastanowić się nad zależnościami, które między nimi występują. Przystępując do wykonania analizy czynnikowej przy eksploracji danych, zauważono, że założenie normalności rozkładu jest załamane, na początku zastosowano więc analizę czynnikową metodą głównych składowych, w celu określenia liczby czynników, a potem analizę czynnikową osi głównych, definiując uzyskaną liczbę czynników. Innymi słowy, na samym wstępie została wykonana eksploracja danych, tak by sprawdzić, czy analizowane zmienne mają rozkład normalny. Okazało się, że nie mają (p<0,001), wobec tego w analizie

164 czynnikowej została wybrana metoda osi głównych. Jednak na wstępie należy zidentyfikować liczbę czynników metodą głównych składowych.

W wyniku przeprowadzonej analizy wyłonionych zostało 7 czynników. Zamieszczony poniżej wykres (5) osypiska, dokładnie obrazuje efekt analizy. Tabele przedstawiające wyniki pozostałych obliczeń zamieszczono w załączniku nr 6.

Wykres 5. Wykres osypiska z analizy czynnikowej, dla zmiennych zmniejszających

prawdopodobieństwo wystąpienia zakłócenia w łańcuchu dostaw, wykonany metodą głównych składowych

Źródło: opracowanie własne.

Przystąpiono więc do analizy czynnikowej metodą osi głównych. Test sferyczności Bartletta testuje hipotezę, że empiryczna macierz zawiera zerowe współczynniki korelacji, czyli nie ma żadnych powiązań między zmiennymi. Istotny wynik informuje więc, że macierz jako całość zawiera istotne współczynniki korelacji. Gdyby macierz korelacji była macierzą jednostkową, model czynnikowy byłby nieodpowiedni dla analizowanych zmiennych.

W tabeli 14 wykazano istotność p<0,001, więc macierz korelacji zawiera korelacje istotnie różne od zera. Miara adekwatności doboru zmiennych Kaisera-Mayera-Olkina (K-M-O) sprawdza, czy współczynniki korelacji cząstkowych, analizowanych zmiennych są małe, może przyjmować wartości od 0-1 i im jest bliższa 1, tym lepiej. Zwykle wartości poniżej 0,5 uznaje się za wskazujące na niezbyt dobre własności danych. Przykład z tabeli 14 pokazuje, że dane mają bardzo dobre własności, miara K-M-O adekwatności doboru próby wynosi 0,74.

165

Tabela 14. Testy Kaisera-Mayera-Olkina i Bartletta dla zmiennych będących determinantami łańcucha dostaw zmniejszającymi prawdopodobieństwo wystąpienia zakłócenia

Miara K-M-O adekwatności doboru próby ,740

Test sferyczności Bartletta

Przybliżone chi-kwadrat 1081,011

Df 231

Istotność ,000

Źródło: opracowanie własne.

W wyniku przeprowadzonej analizy metodą osi głównych, zauważyć można, że 7 czynników wyjaśnia blisko 46% wariancji czynników. Metoda osi głównych stara się zmaksymalizować powiązania między czynnikami a stwierdzeniami skali i nie wymaga, aby analizowane zmienne miały rozkład normalny.

Kolejną istotną tabelą (15) jest macierz modelowa, która pozwala wyodrębnić poszczególne czynniki − czynnik główny. Przy stosowaniu rotacji prostej Oblimin otrzymujemy macierz czynników, macierz modelową i macierz struktury, jednak najczęściej interpretuje się macierz modelową, gdyż korelacje zamieszczone w niej są najbliższe idei ładunków czynnikowych [Tabachnick i Fidell 2007]. Macierz modelowa ma pewne wady, gdy czynniki są silnie skorelowane, może pokazywać bardzo słabe powiązania między zmiennymi a czynnikami, co może utrudnić identyfikację zmiennych silnie naładowanych czynnikiem. Jednak w macierzy korelacji czynników nie wykazano wysokich korelacji (tabela 16).

166

Tabela 15. Macierz modelowaa dla analizy zmiennych zmniejszających prawdopodobieństwo wystąpienia zakłócenia w łańcuchu dostaw, metodą rotacji −

Oblimin z normalizacją Kaisera

Wyszczególnienie Czynnik 1) integracja z dostawcą 2) zmniejszanie (zapasów i źródeł zaopatrzenia) 3) upraszczanie produktu 4) rozbudowana struktura łańcucha dostaw 5) wyższa terminowość dostaw 6) standaryzacja 7) skracanie łańcuchów dostaw Możliwość wymiany informacji o poziomach zapasów z naszymi dostawcami

i odbiorcami ^{,692 ,197 ,077 ,177 ,039 ,126 -,046}

Dłuższe czasy przepływu dóbr pomiędzy dostawcą a odbiorcą -,605 ,352 ,144 ,226 -,024 ,237 -,224 Dłuższe czasy przepływu informacji pomiędzy dostawcą a odbiorcą -,545 ,232 ,073 ,049 -,082 ,137 ,021 Dostęp do informacji o planowanych promocjach w punktach sprzedaży

detalicznej ^{,449 ,050 ,117 ,055 ,107 ,376 ,092}

Zintegrowane systemy informatyczne na poziomie łańcucha dostaw ,401 ,029 ,356 -,026 -,010 ,262 ,068 Bardziej zintegrowane procesy między przedsiębiorstwem a jego dostawcami ,309 -,061 -,102 ,027 ,228 ,238 ,157 Obniżone poziomy zapasów ,143 ,874 ,073 -,046 ,012 -,074 -,114 Obniżone poziomy zapasów bezpieczeństwa -,265 ,433 -,275 ,020 ,011 ,122 ,203 Mniej alternatywnych źródeł zaopatrzenia -,219 ,425 ,086 -,093 -,050 -,063 ,375 Krótsze czasy opracowania nowych produktów -,092 ,026 ,675 -,033 ,114 ,070 -,044 Mniejszy asortyment wyrobów ,044 ,020 ,550 ,041 -,063 -,042 ,001 Więcej centrów dystrybucji -,031 -,006 ,129 ,595 -,055 -,295 ,037 Więcej dostawców -,040 -,133 -,010 ,484 ,069 ,240 -,122 Większy procent outsourcingu ,082 ,033 -,097 ,413 ,029 ,083 ,090 Częstsze dostawy -,076 ,076 -,026 -,070 ,882 -,071 -,040 Wyższe wymagania odnośnie do wskaźników terminowości dostaw ,089 -,188 ,128 ,171 ,458 -,112 ,076 Mniejsze odległości między przedsiębiorstwami ,224 -,018 ,144 ,099 ,337 ,051 ,279 Mniej podstawowych komponentów produktu ,034 -,020 ,107 ,128 -,117 ,597 ,250 Uproszczone procesy planowania, zamawiania i realizacji zamówień ,062 -,292 ,206 -,101 ,189 ,455 ,178 Niższe wymagania jakościowe (odnośnie do produktu, usługi) ,097 ,071 -,122 ,002 ,169 ,253 -,115 Mniej unikalne surowce/części -,054 ,016 ,086 ,172 ,180 ,244 ,091 Mniej punktów transferowych w przepływie dóbr (ogniw w łańcuchu dostaw) ,057 -,051 -,073 ,069 ,029 ,075 ,672

a. Rotacja osiągnęła zbieżność w 74 iteracjach.

167 Macierz korelacji czynników (tabela 16) wskazuje na dość niskie skorelowanie między czynnikami. Wobec powyższego zastosowanie rotacji ukośnej Oblimin, nie utrudniło identyfikacji czynników i nie było błędem.

Tabela 16. Macierz korelacji czynników zmniejszających prawdopodobieństwo wystąpienia zakłócenia w łańcuchu dostaw

Czynnik 1 2 3 4 5 6 7 1 1,000 -,312 ,115 ,076 ,335 ,221 ,087 2 -,312 1,000 -,033 -,031 -,154 ,072 ,000 3 ,115 -,033 1,000 ,185 ,055 ,079 ,107 4 ,076 -,031 ,185 1,000 ,183 ,208 ,122 5 ,335 -,154 ,055 ,183 1,000 ,343 ,102 6 ,221 ,072 ,079 ,208 ,343 1,000 ,187 7 ,087 ,000 ,107 ,122 ,102 ,187 1,000

Źródło: opracowanie własne.

Podsumowując, aby określić wewnętrzną strukturę skali, wykonano eksploracyjną analizę czynnikową, metodą osi głównych. Do określenia liczby czynników użyto kryterium wykresu osypiska, które wskazało, że należy wyodrębnić 7 czynników. Wyjaśniają one prawie 46% wariancji wyników. Po wykonaniu rotacji ukośnej, prostej Oblimin udało się stwierdzić, że:

− pierwszy czynnik – silnie ładuje zmienne: możliwość wymiany informacji o poziomach zapasów z naszymi dostawcami i odbiorcami, dłuższe czasy przepływu dóbr pomiędzy dostawcą a odbiorcą, dłuższe czasy przepływu informacji pomiędzy dostawcą a odbiorcą,

− drugi − obniżone poziomy zapasów,

− trzeci − krótsze czasy opracowania nowych produktów i mniejszy asortyment wyrobów,

− czwarty – więcej centrów dystrybucji, − piąty – częstsze dostawy,

− szósty – mniej podstawowych komponentów produktu, − siódmy – mniej punktów transferowych.

Wskazano na wielkość ładunków czynnikowych, które są powyżej 0,5. Wytypowanym czynnikom nadano również nazwy i zamieszczono je od razu w tabeli 15.

168