Darugyártó szervezet jelentési tevékenységének modellezése
DOI:
https://doi.org/10.58423/2786-6742/2022-1-274-282Kulcsszavak:
teljesítményértékelés, kontrolling, jelentéskészítés, KPI menedzsment, modellezésAbsztrakt
Az ipari feldolgozóipari tevékenység jelentősen megváltozott az elmúlt években. A szabványosított - tömeggyártási folyamatok mellett egyre inkább felerősödtek a vevőorientált egyedi termelési tevékenységek. Az ügyfélközpontú egyedi gyártás során a vevő nem csak passzív megfigyelője, hanem aktív résztvevője is a tervezési és gyártási folyamatoknak. Egyedi jellegükből adódóan a szervezetek teljesítményének értékelése számos kihívást jelenthet. A digitalizáció és a gazdasági informatikai innovációk fejlődésének köszönhetően kiterjedt eszközrendszer áll rendelkezésre és számos módszer alkalmazható a mért adatok elemzésére. Az elemzési módszertanok közül kiemelendő a kontrolling rendszerek alapját képező Key Performance Indicator (KPI) menedzsment. A változások miatt a szervezeti teljesítmény értékelése és kifejezése már nem a jelenlegi állapotok elemzésére, hanem a várható jövőbeni teljesítmény előrejelzésére irányul. Ennek elérése érdekében alapvető követelményként fogalmazódik meg a hatékony infrastruktúra, valamint a szakmai és statisztikai-matematikai módszerek alkalmazása. A prediktív KPI információtartalmának értelmezése és így a vezetői döntéstámogatás a különböző értékelésektől és szabványosítási normáktól függ. Napjainkban a szervezeti teljesítményértékelés alapvető kontrolling feladatnak tekinthető, melynek során a szervezeti teljesítmény széleskörű feltárása, értékelése a cél. A vezetés korlátozottan racionális a döntések meghozatalakor, ami azt jelenti, hogy csak a rendelkezésre álló információk alapján tud dönteni. A controlling célja, hogy a menedzsment számára olyan beszámolási tevékenységet biztosítson, amely alkalmas a folyamatok értékelésére és a jövőbe mutató döntések meghozatalára a kiterjedt információk feltárásával és az adatok kiterjedt módszertani elemzésével. Ezért kiemelten hangsúlyozzák, hogy a menedzsmentnek már nem reaktívnak, hanem proaktívnak kell lennie, ami a prediktív elemzések kiértékelésével és a prediktív értékelésekből származó információk alapján történő döntéshozatallal érhető el.
Hivatkozások
Asih, I. - Purba, H. H. - Sitorus, T. M. (2020) Key Performance Indicators: A Systematic Literature Review. Journal of Strategy & Performance Management, Vol. 8, No. 4, pp. 142-155.
Babbie, E. (2012) The Practice of Social Research, 13th Edition, New York: Wadsworth Publishing. pp. 52-61. ISBN 978-1133049791
Barta, Á. - Molnár, M. (2021) Forecasting oil price based on online occurrence. Modern Science, Vol. 1, pp. 5-11.
Boda, B. (2015) A teljesítményértékelés szervezeti és egyéni dimenziói a köz- és a versenyszférában. Hadtudomány, 25 évf. pp. 91-101.
Brown, M. G. (1996) Keeping Score: Using the Right Metrics to Drive World-class Performance. New York: Quality Resources. 12-17. p. ISBN 978-0814403273
Brundage, M. P. - Bernstein, W. Z. - Morris, K. C. - Horst, J. A. (2017) Using Graphbased Visualizations to Explore Key Performance Indicator Relationships for Manufacturing Production Systems. Procedia CIRP, Vol. 61, pp. 451– 456. DOI: https://doi.org/10.1016/j.procir.2016.11.176
Chege, S. M. - Wang, D. (2020) The impact of entrepreneurs’ environmental analysis strategy on organizational performance. Journal of Rural Studies, Vol. 77, pp. 113-125. DOI: https://doi.org/10.1016/j.jrurstud.2020.04.008
Domínguez, E. - Pére, B. - Rubio, Á. L. - Zapata, M. A. (2019) A taxonomy for key performance indicators management. Computer Standards & Interfaces, Vol. 64 pp. 24-40. DOI: https://doi.org/10.1016/j.csi.2018.12.001
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, pp. 1-18. DOI: https://doi.org/10.2139/ssrn.2195984
Fanning, K. (2016) Big Data and KPIs: A Valuable Connection. Corporate Accounting and Finance, Vol. 27, No. 3, pp 17-19. DOI: https://doi.org/10.1002/jcaf.22137
Kang, N. – Zhao, C. – Li, J. – Horst, J. A. (2016) A Hierarchical structure of key performance indicators for operation management and continuous improvement in production systems. International Journal of Production Research, 5421, pp. 6333–6350. DOI: https://doi.org/10.1080/00207543.2015.1136082
Liebrecht, C. – Jacob, A. – Kuhnle, A. – Lanza, G. (2017) Multi-criteria Evaluation of Manufacturing Systems 4.0 under Uncertainty. Procedia CIRP, Vol. 63, pp. 224–229. DOI: https://doi.org/10.1016/j.procir.2017.03.147
Malaga, A. - Vinodh, S. (2021) "Evaluation of smart manufacturing performance using a grey theory-based approach: a case study", (2021) Evaluation of smart manufacturing performance using a grey theory-based approach: a case study, Grey Systems: Theory and Application, Vol. 12 No. 3, pp. 522-550. DOI: https://doi.org/10.1108/GS-04-2021-0049
Parmenter, D. (2007) Key performance indicators (KPI): Developing, implementing, and using winning KPIs. Hoboken: J. Wiley. pp. 384. ISBN13 (EAN): 9781119620778
Peral, J. - Maté, A. - Marco, M. (2016) Application of data mining techniques to identify relevant key performance indicators. Computer Standards & Interfaces, Vol. 54, Issue 2, pp. 76-85. DOI: https://doi.org/10.1016/j.csi.2016.11.006
Schnellbach, P. - Reinhart, G. (2015) Evaluating the effects of energy productivity measures on lean production key performance indicators. Procedia CIRP, Vol. 25, pp. 492-497. DOI: https://doi.org/10.1016/j.procir.2014.07.094
Simons, R. (2000) Performance Measurement and Control Systems for Implementing Strategy. New Jersey: Prentice Hall. 17-18. p. ISBN 978-0132340069
Xu, L. D. - Xu, E. L. - Li, L. (2018) Industry 4.0: State of the art and future trends. International Journal of Production Research, Vol. 56, Issue 8, pp. 2941–2962. DOI: https://doi.org/10.1080/00207543.2018.1444806
Yu, S. - Lee, J. (2019) The effects of consumers’ perceived values on intention to purchase upcycled products. Sustainability, Vol. 11, pp. 1034. DOI: https://doi.org/10.3390/su11041034
Zéman, Z. - Béhm, I. (2019) Módszertan vállalkozások pénzügyi teljesítményének mérésére. Budapest: Akadémiai Kiadó Zrt. pp. 260 ISBN: 9789634543558 DOI: https://doi.org/10.1556/9789634543558
Zéman, Z. - Mallinguh, E. B. (2020) An evaluation of the Fintech companies and the financial sector in Hungary. Economics & Working Capital, Vol. 1, No. 2, pp. 2-9.
##submission.downloads##
Megjelent
Folyóirat szám
Rovat
License
Copyright (c) 2022 Gergő Thalmeiner, Sándor Gáspár, Zoltán Zéman
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
A szerzők fenntartják a szerzői jogokat, és jogot adnak a folyóiratnak a cikk első közzétételére, amely egyidejűleg engedélyezett a Creative Commons CC BY-NC licence alapján.