Logistikkdilemma: Skal jeg bestille nå? Og i så fall - hvor mye?

Uansett om du kaller deg innkjøper, avroper eller supply chain planner, står du hver eneste dag overfor ovenstående utfordring: Skal jeg bestille nå - eller skal jeg vente? Og hvis ja, hvor mye?

Dessverre taper handelsbedrifter mye penger ved ikke å få til effektive innkjøp, styring av sin logistikk eller også kalt End to End Supply Chain Planning. Under følger 10 tips til det mest opplagte;
BEDRE PROGNOSER

1. Hvis du bruker kun en prognosemodell for alle typer varer selv om du vet at hver vare har sin unike karakteristikk og behov: Alle varene dine er unike. Selv varer som tilsynelatende ikke har sesong, har det ofte. Og hver vare du har varierer litt i salget sitt. Og så kan det finnes et trendelement der. Og den kan til og med samvariere med noen av dine andre varer. Kanskje du kjører en kampanje på en vare - og når den selger mer, selger en annen vare mer, selv om den ikke er på kampanjen (mer pølser selger mer ketchup) eller så selger den mindre (mer pølser selger mindre biff).
Nå er det jo populært å snakke om digitalisering, maskinlæring og kunstig intelligens. Mye av teknologien tilgjengelig i dag har til oppgave å finne ut «hva som egentlig foregår» knyttet til etterspørselen av en vare, så da er det jo fristende å spørre: Hva slags modeller benytter ditt firma? For eksempel gjennomsnittlig salg siste 3 måneder ekstrapolert til neste måned og året totalt? I de fleste tilfeller får du da problemer. Prognosen din vil kanskje ikke reagere raskt nok på endringer, den vil ikke forutse en sesong - du kjøper for mye for tidlig eller for lite - og for sent.
Og så er det en del myter ute og går (Keiserens nye klær…) om prognoser: Hvis du har en stor andel saktegående varer, har du kanskje hørt at det finnes prognosemodeller som takler det. Vel, det finnes en del modeller som er ganske gode på det, men bare inntil et visst punkt. Blir etterspørselen tilstrekkelig lav og ujevn nok, er det ikke den prognosemodell i verden som klarer brasene. Da trenger du heller en egen sikkerhetslagerstrategi for de saktegående varene.

2. Hvis du overreagerer ved tilfeldig høy etterspørsel og kjøper mer selv om all sannsynlighet tilsier at dette ikke vil fortsette: Tenk deg at du har hatt følgende etterspørsel på din vare de senere ukene 10-12-8-7-9-11-50. Her så jo alt fint ut helt til siste observasjon. Dette er jo egentlig helt vanlig. Din utfordring nå er: Er den siste utfordringen et tilfeldig avvik eller er den starten på noe? Kan det være at slike avvik kommer fra tid til annen og at de bare er nettopp det - tilfeldige avvik? Hvis vi ikke får systemstøtte på dette feltet, må vi i høy grad gjette og bruke følelser og teft. Det vi ønsker, er det motsatte, nemlig at innkjøperen ikke overreagerer, men heller har is i maven. Eller snarere - at systemet har is i magen og har mekanismer som kjenner igjen avvikene og automatisk reagerer der det er nødvendig.

3. Hvis du ikke tar hensyn til tapt salg i prognoseberegningene. Hvorfor skal jeg egentlig ta hensyn til tapt salg når jeg lager en prognose?
Tenk over dette: Det er egentlig ikke salget du skal prognostisere, det er etterspørselen. Så når vi snakker om å prognostisere etterspørsel, må du både trekke fra det du har solgt ekstra på grunn av ekstraordinært salg (som for eksempel prosjektsalg, kampanjer, aktiviteter) og så må vi faktisk legge til det tapte salget. I all enkelhet er det tapte salget det vi kunne ha solgt hvis vi ikke var tomme på lager. Det å beregne tapt salg er jo ikke så lett, men her finnes det flere tilnærminger. Det som er poenget er at hvis man ikke får med seg det tapte salget i underlaget, vil prognosen begynne å falle. Prognosene indikerer faktisk at du skal selge mindre, mens det motsatte jo er tilfelle. Hvis du ikke har systemstøtte for dette, har du to valg: Du kan enten korrigere prognosene selv slik at de blir så korrekte de kan bli med din hjelp, eller så kan du gjøre som så mange gjør: Manuelt korrigere bestillingene fordi de jo åpenbart nå må være for lave. Innkjøperen får ofte ikke med seg at prognosene burde vært høyere og det går da veldig mye tid på å justere bestillingene. Og denne justeringen gjøres ofte basert på følelser. Så hva fører dette da til? Som oftest taper man salg og får misfornøyde kunder eller så får innkjøperen veldig mye manuelt arbeid med å korrigere bestillinger. Elle så får innkjøperen kjeft. Og hva gjør vi da? Vi garderer oss ved å blåse opp sikkerhetslageret - bare sånn for sikkerhets skyld…

4. Hvis du tillater akkumulert etterspørsel å øke prognosen når produktet er utsolgt fra leverandør og de samme kundene bestiller samme mengde flere ganger. Det er overraskende mange som sliter med denne problemstillingen. En ting er at tapt salg ikke beregnes. En annen ting er at ordre registreres som etterspørsel. Dermed blir et viktig å tenke etter hva underlaget for din etterspørsel er; er det ordrene du mottar eller er det de forsendelsene eller salgene som faktisk har skjedd som er underlaget.

5. Hvis du ikke tar hensyn til sesongvariasjoner, noe som fører til utsolgt i starten av perioden og overlager lenge etter sesonger er over.
Er du en av de som tenker at «vi har egentlig ikke sesonger vi, så sesongprofiler er egentlig ikke så relevant for oss»? Vel, tenk over det igjen. Hvis ditt system egentlig bare gir deg et glidende snitt av siste 3 måneders salg, er det jo vanskelig å få med seg noen sesongvariasjon. Og med mindre dine innkjøpere bruker en masse energi på å håndtere dette, er du nødt til å få problemer. Du vil komme til å kjøpe inn for sent og dermed gå glipp av sesongstart - din salgsavdeling kommer løpende og lurer på hva i alle dager du holder på med - hvor blir det av varene?!! - og når du i løpet av en sesong både har opplevd en masse tapt salg, masse armer og bein for å hastebestille varer (kanskje med dyr inntransport), er du ved utgangen av sesongen i en situasjon hvor du har en masse overlager som kanskje «overvintrer» til din neste sesong. Det er en masse kapital bundet opp helt unødvendig og det hemmer din bedrifts videre vekst. Det er en rekke systemer både basert på Excel og også mer avanserte systemer som er basert på såkalt min/maks (når lageret er på en minimumsverdi, bestill opp til en maksimumsverdi). Min/maks er egentlig en veldig effektiv måte å kaste bort penger på - og ved håndtering av sesonger blir det ekstra tydelig. En slik logikk krever justeringer av min/maks-punkter i god tid før inngangen til og utgangen av sesonger. All erfaring viser at dette får ikke innkjøperne med seg, og nivåene justeres dessuten feil. Som igjen fører til tapt salg og til overlager.

6. Hvis du i hovedsak baserer prognose og kjøp på siste dagers etterspørsel, noe som kan vise veldig forskjellig utvikling sammenlignet med å ta hensyn til mange perioder. Begrepet «fra hånd til munn» og «hopp og sprett» går ofte igjen i slike settinger. I de aller fleste situasjoner trenger du en dataserie med en viss mengde observasjoner for at dine estimater skal fange mønstre, bli signifikante og ikke inneholde for stor variasjon og dermed å unngå unødvendig upresise prognoser og oppblåste sikkerhetslagre.

7. Hvis du ikke filtrerer kampanjehistorikk. Dette vil blåse opp prognoser og lager og gjøre planleggingsverktøyet ubrukelig. Er din bedrift kampanjeintensiv, men du mangler systemstøtte for dette? Da har du et problem. Og du er ikke alene. Jeg slutter aldri å forbauses over hvor mange som faktisk sliter med dette. For det første blir det da vanskelig å ha en formening om hva kampanjesalget egentlig har vært, dernest blir din neste prognose nærmest verdiløs. Som om ikke det er nok, inneholder nå historikken din en masse etterspørselsvariasjon som, hvis du er så heldig å ha en dynamisk sikkerhetslagerberegning, driver sikkerhetslageret ditt gjennom taket - og til ingen nytte. Og du er, akkurat som når du ikke får beregnet tapt salg, i den håpløse situasjonen at du må justere prognoser ned eller du må sitte og overstyre alle bestillingsforslagene, for nå vet du at de er aldeles for høye. Det er hvis du er dyktig og følger med i timen. I de aller fleste tilfeller fører det til massive kjøp av overlager.

8. Hvis du ikke følger opp hver vares prognoseavvik for å bygge sikkerhetslager og vurderer hver vares sanne økonomiske situasjon. Som nevnt ovenfor: Alle varer oppfører seg unikt. Det er en ting du kan være sikker på - og det er at noe uventet skjer med varene dine - før eller senere. Plutselig skjer det et uventet høyt salg, en vare begynner å «ta av», sesongprofilen din passer ikke lenger; den bør justeres. Salget på varen din i en butikkhylle selger ikke lenger. Er den utsolgt? Eller kan lagerbeholdningen være feil? - Kan det være at systemet har informasjon om at du har hylla full og dermed ikke fyller på mer? Veldig mange har ikke slik systemstøtte. Og har du noen tusen varer å holde styr på, blir det nesten uoverkommelig. Resultatet av dette er at du ikke fanger opp avvikene - i alle fall ikke i tide. Det betyr at du går glipp av salg, eller bygger overlager. Og arbeidsdagen blir ikke minst veldig hektisk. Det er ikke noen god følelse når man til stadighet har en nagende tvil til om man har fått med seg alt.

9. Hvis du ikke justerer prognose og andre faktorer når kundemassen plutselig endres ved at du mister eller får nye kunder. Det hender av og til at du mister kunder. Det gjør ikke så mye hvis kunden du mister utgjør en marginal del av din virksomhet. Men hva hvis du mister en kunde som for mange varers vedkommende utgjør en viktig del av varens salg? Dette er normalt sett enhver innkjøpers mareritt. Hva nå? Hva skal jeg gjøre med mine prognoser? Hva utgjorde egentlig denne kundens salg av totalen? Det du kanskje trenger her er å kunne ta fatt i din kundespesifikke historikk, justere historikken for alle varer automatisk og så la systemet beregne alle relaterte parametre, herunder justert prognose. En ting å tenke på: Når du nå kanskje har et helt annet etterspørselsnivå til en eller flere leverandører her, kan dette da påvirke hvordan du faktisk bør kjøpe inn? Er det nå fremdeles lønnsomt å kjøpe hver 23 dag og fylle en 40 fots kontainer eller burde jeg revurdere dette? Som vi skal se i sen senere artikkel, har de fleste ikke støtte for det i det hele tatt.

10. Hvis du ikke tar hensyn til varer som blir erstattet ved å vurdere behovet for den nye varen med utgangspunkt i beholdning og prognose for den gamle varen for å unngå å sitte med doble lagerbeholdninger samt styrt oppstart av den nye.

Da jeg begynte å arbeide med handelsselskaper innen dette feltet for en god del år siden, tenkte jeg at dette er jo en helt vanlig foreteelse - alle fornyer jo sortimentet sitt løpende - så dette må vel være noe alle har i blodet og har løsninger for. Der tok jeg grundig feil. Nå har det gått mange år, og det ser virkelig ut til at de aller fleste sliter med dette på samme måte fremdeles. Her er problemet: Vare A skal erstatte vare B. Kanskje på et bestemt tidspunkt eller ved at vare A selges ut først og at Vare B så startes opp akkurat når vare A er utsolgt. Tilsynelatende enkelt. Men altfor ofte stiller innkjøperen på bar bakke. Det er ingen kobling mellom den gamle og den nye varen. Den nye varen har åpenbart verken historikk, prognose eller beregnet sesong. Det vi trenger er flere ting. Den nye varen trenger kanskje å arve historikken fra den gamle. Kanskje skal den nye varen startes opp med en bestemt sesongprofil også? Hvordan får vi laget en glidende overgang? Jo, ved å koble balansen mellom gammel og ny vare slik at den nye kommer inn til lager akkurat når den gamle er utsolgt. Og kanskje alt dette skal gå automatisk? Så et tilsynelatende dagligdags og trivielt problem er egentlig veldig vanskelig for veldig mange. Det ligger mye ukurans på norske lagre av gamle varer som rett og slett er resultatet av manglende sammenheng og styring av prosessene mellom gammel og ny vare.

Avslutningsvis: Vi snakker som nevnt mye om kunstig intelligens og maskinlæring nå om dagen. Og ja, det er flere som tar dette i bruk, jeg er selv med på å levere dette. Ovenstående problemstillinger er imidlertid ganske trivielle og opplagte. Og veldig mange sliter med det fremdeles, til tross for at vi alle er sammenkoblede, driver integrerte og omni channel forsyningskjeder med mer. Litt av et paradoks?

Hva er Supply Chain Planning?

Supply Chain Planning - Et reelt konkurransevåpen

Dette er det et av de mest avgjørende områdene en handelsbedrift må mestre. Det dreier seg ikke om et nødvendig onde, det dreier seg om overlevelse, konkurransekraft og - cash!

Inventory Investment AS distribuerer de anerkjente Blue Ridge-løsningene, noen av verdens kanskje skarpeste Supply Chain Planning-løsninger.

Her får du en innføring til Supply Chain Planning.


Sverre Rosmo, daglig leder


Først en liten bekgrepsavklaring

Kjært barn har mange navn, så la oss starte med å ta en uhøytidelig begrepsavklaring: Lagerstyring har historisk blitt nevnt i forbindelse med å styre innkjøpsbeslutninger fra en handelsbedrifts leverandører inn til selskapets lager, i litteraturen også benevnt som IM - inventory management. Eller så har det betydd styring av det vi får inn i, har eller sender ut av et lager, herav begrepet warehouse management. Ikke overraskende kalles systemer som styrer varer og prosesser inni et lager for WMS - warehouse management systems. For enkelthets skyld fokuserer vi her på beslutninger knyttet til når og hvor mye vi skal kjøpe inn til et lager eller flytte mellom lagre eller fylle på en butikk, enten varen kommer fra vårt eget lager eller kommer direkte fra en leverandør.

Som du raskt fornemmer, dreier dette seg om hele forsyningskjeden. Derav typisk fremveksten av begrepet forsyningsledelse, verdikjedestyring - eller, som i de senere år: Supply Chain Planning eller også Supply Chain Management.

Ikke overraskende er det nå mange som titulerer seg Supply Chain Manager. Så hva er en typisk oppgave for en Supply Chain Manager? - å bedrive Supply Chain Planning. Når Supply Chain Manageren skal planlegge og styre sin komplekse forsyningskjede, trenger hun systemstøtte, det vil si et sett med datamodeller, applikasjoner og algoritmer som fanger «virkeligheten» og via etablerte beslutningsmodeller bistår med å fatte riktige beslutninger. Som egentlig koker ned til: Når skal vi kjøpe inn/fylle på? Og i tilfelle tiden nå er inne for å kjøpe inn/fylle på - hvor mye? Til å hjelpe seg med dette tilsynelatende trivielle beslutningsproblemet, bruker Supply Chain Manageren og hennes team av planleggere, innkjøpere og vareforsynere et Supply Chain Planning System. Tidligere ble dette kalt for eksempel lagerstyringssystem, innkjøpssystem, inventory management system. Eller prognose- og påfyllingssystem. Og på engelsk da typisk Forecasting & Replenishment.

Og hva så?! Historisk har dette feltet blitt sett på som et nødvendig onde, noe vi egentlig bare «må ha som en dyd av nødvendighet». Har du for eksempel sett stillingsannonser hvor det annonseres etter «teknisk innkjøper» eller «avroper»? Implisitt at: «noen annen har fattet de viktige beslutningene så vi må se å få kjøpt inn/köpt hem/disponeret varene og det er en mindre viktig oppgave vi kan omplassere en fra lageret eller en innkjøpssekretær til å ta seg av.


Supply Chain Management med nye briller på

Det er noen som fremdeles betrakter dette slik, men faktum er at flere og flere ser det på en helt annen m åte! Supply Chain Management - det å ha en strømlinjeformet, hypereffektiv, servicedrevet, integrert og økonomisk optimert forsyningskjede som leverer ekstrem kundeservice er nå et styre- og topplederanliggende! Når man lykkes med dette, får det nemlig direkte innvirkning på bedriftens topplinje, marginer, operasjonelle kostnader. Og ikke minst - kontantstrøm.

Så når du hører at «vi økte servicegraden med 3%» eller «vi gikk fra 13 til 18 i omløpshastighet», husk da på at disse nøkkeltallene er uttrykk for noe annet, og langt viktigere: Økningen på 3% servicegrad førte til en netto salgsøkning på 1,2%, noe som for det aktuelle selskapet for eksempel kan ha betydd 100 millioner kroner rett på bunnlinjen. En av mine kunder er helt åpen på at den økningen de fikk i tilgjengelighet faktisk reddet selskapet!

Og for å ta begrepet turnover: Ingen lever av turnover. De fleste av oss har vært med på øvelser med DuPont-modellen hvor dette forholdstallet for eksempel påvirker selskapets totalkapitalrentabilitet. Det er altså et tall som sier noe om hvor mange ganger du snur ditt lager i løpet av et år. Og hva så?! I gamle dager skrev vi ut sjekker hvis vi ville overføre penger. Hva ville du da sagt hvis jeg sier at jeg i beløpsfeltet skrev 18 (omløpshastigheten)? Du ville antakelig trekke på smilebåndet og lure på om jeg var vel bevart. For du forstår jo at det ikke er omløpshastigheten ditt selskap lever av, det er pengene! Så hvis jeg heller sier at jeg forærer deg 150 millioner kroner, og at beløpet kommer til å øke etter hvert som årene går, er jeg sikker på at det ville fanget din oppmerksomhet.

Nå ser du kanskje hvorfor Supply Chain Management og den støtten vi trenger for å optimere og strømlinjeforme våre forsyningskjeder er strategiske temaer som hører hjemme i toppledelsen og i styret. Temaet har avgjørende strategisk betydning og det ligger store finansielle effekter i å få dette til. Og det er også derfor at temaet begynner å få den oppmerksomheten det fortjener fra personer som ikke jobber med det til daglig, som for eksempel daglig leder, finansdirektør og direktør for kundeservice.

Så hva gjør et Supply Chain Planning-system?

Et Supply Chain Planning-system er en «samarbeidspartner» med selskapets transaksjonssystemer. Typisk vil hovedpartneren være selskapets ERP-system. Men informasjon kan like gjerne komme fra BI-systemer, datavarehus, engangs opplastinger fra regneark eller kontinuerlige datastrømmer fra nettet. Veldig ofte har bedriften mer enn nok informasjon for å kunne gjennomføre et vellykket prosjekt og informasjonen er ofte forbausende lett å «mappe opp» og overføre til Supply Chain Planning-systemet. Hver dag (og kanskje flere ganger om dagen), må bedriften ta stilling til to enkle spørsmål: Skal vi bestille/fylle varer nå? Og i så fall hvor mye? Dette er naturligvis en forenklet problemstilling. For eksempel kan det være fint å vite at en fremtidig bestilling overstiger det produsenten kan levere oss, at hvis vi kjøper inn så mye ost, vil den gå ut på dato, at innkommende varemengde i en gitt uke overstiger kapasitetsgrensen på lager, osv. La oss imidlertid starte med det opplagte.

Etterspørselsprognoser: All logistikk starter med en prognose. Hvis du leser en nesten hvilken som helst lærebok, vil du se at det finnes et vell av teknikker, sannsynlighetsmodeller og algoritmer. Siktemålet med all prognostisering er imidlertid å forsøke å ha en så presis oppfatning om hva våre kunder kommer til å kjøpe av oss på et bestemt tidspunkt. Prognoser kan lages på m ange forskjellige måter; de kan lages på en vare/en lokasjon, på aggregerte nivåer, de kan være enkle eller mer komplekse algoritmer. For å «treffe» inn i fremtiden, må prognosen typisk fange opp om det er variasjon i etterspørselen, om det er noen gjentakende mønstre, om det finnes en underliggende trend og om det er «støy» i materialet som vi bør få renset vekk. Historisk sett har mange aktører konsentrert seg om å applisere «riktig» prognosemodell, men vi ser at flere og flere er opptatt av å fange fremtidig etterspørsel fra «nye» kilder i tillegg, så som antall klikk på produktet/vår hjemmeside, omtale i sosiale medier, eksterne ratingsider, vår bruk av apper og et vell av andre kilder. I de kommende årene vil bransjen gjennomgå en aldri så liten revolusjon på dette området.

Etterspørselsplanlegging: En ting at vi forsøker å gjette på fremtidig etterspørsel. Men det finnes også et element av planlegging av fremtidig etterspørsel. Jo mer av den fremtidige etterspørselen vi vet om og vi slipper å gjette på, jo bedre er det, naturligvis. I dagligvarebransjen gir for eksempel butikker inn såkalte forhåndsordre. Dette er da et element planleggingssystemet vil ta hensyn til. Dette kan imidlertid også arte seg som fremtidige kampanjer, hvor man har fått ferdige estimater forventet ekstrasalg fra en sentral markedsavdeling. Eller det kan være at vi vet at gjennom påsken følger deler av vårt sortiment et bestemt etterspørselsmønster. Straks vi har identifisert mønsteret og varene som treffes av det, har vi mulighet for å gjenta planen i nye fremtidige perioder.

Når vi nå har et bilde på hva kundene kommer til å etterspørre, la oss snu oss 180 grader rundt og spørre oss selv: Hva med våre leverandører og transportører: Er de i stand til å oppfylle våre ordre og levere presis og i avtalt antall? Typisk er de ikke det. De kan ha sporadiske avvik, være notorisk dårlige eller de kan ha spesifikke produksjonsplaner som planleggingssystemet faktisk må ta hensyn til. Hvis vi vet at en fremtidig  ordre overstiger produsentens leveringsevne er det jo fint om planleggingssystemet kan ta hensyn til det slik at vi unngår at leverandøren delleverer og vi til slutt går tom på lager og taper salg. Uansett er det slik at denne usikkerheten må håndteres i systemets sikkerhetslagerberegninger. Gjør det ikke det, er det jo vi som må ta smellen. Et aspekt av dette er forresten at manglende punktlighet fra leverandøren nå blir veltet over på oss. Det er jo da naturlig å spørre om ikke planleggingssystemet kan beregne den kostnaden slik at vi kan få det kompensert ved neste korsvei.

Innledningsvis poengterte jeg at en forventning ved å bruke et planleggingssystem bør være bedre tilgjengelighet. De elementene vi har dekket så langt gir bedre tilgjengelighet. Men typisk vil man også spørre: Hvilken tilgjengelighet er det mulig å oppnå? Og hvilken tilgjengelighet lønner seg egentlig? I mange planleggingssystemer er det ingen kobling mellom servicegradmål og sikkerhetslageret systemet beregner. En slik sammenheng finnes imidlertid. Så ikke bare skal du se etter det, du skal også spørre om du får hjelp til å finne det rette målet utover en ren ABC/XYZ-beregning.

Et element du som planlegger naturlig vil spørre deg om er: Hva er den lønnsomste innkjøps-/påfyllingsstrategien min? Skal jeg kjøpe inn hver mandag som jeg alltid har gjort, eller finnes det et innkjøpsmønster som maksimerer min fortjeneste på leverandøren, utover optimeringen jeg gjør på varenivå? Det kan for eksempel være nærliggende å spørre: Det at leverandøren gir meg 2% rabatt når jeg kjøper for minst 100.000 kroner eller får fraktfritt levert hvis jeg kjøper mer enn 10 tonn: Bør jeg benytte meg av det? Eller bør jeg faktisk avstå fordi andre kostnader mer enn oppveier rabattene? Mulighetene for å avtale ulike logistiske/kommersielle vilkår ser ut til å være uendelige. Hva hvis du for eksempel har to eller flere betingelsessett samtidig? Så de tilsynelatende trivielle spørsmålene: Når skal jeg kjøpe inn - og i tilfelle hvor mye - viser seg ofte å egentlig være særdeles komplekse. Det å legge en lønnsom innkjøpsstrategi er gevinster langt utover det å lage en prognose og kan utgjøre ytterligere gevinster i millionklassen.

Nå har vi kommet så langt at vi har en solid forståelse av kundeetterspørsel, både prognostisert og planlagt, vi har et realistisk bilde av våre leverandørers leveringsevne, vi har tatt stilling til hvor god service vi vil gi markedet og dessuten lagt den mest lønnsomme innkjøpsstrategien hvor vi maksimerer vår fortjeneste basert på alle tilgjengelige parametre.

Med dette som underlag vil nå planleggingssystemet optimere en rekke faktorer som så danner underlaget for å avgjøre om det skal bestilles - og hvor mye. For deler av porteføljen vår er det slik at vi har faste rutemønstre, men selv her bør et planleggingssystem kunne bidra med analyser av optimale ruter/frekvenser.


Supply Chain Planning gir deg overblikk

Typisk for et planleggingssystem er at det løper gjennom alle kilder/destinasjoner (eller leverandører og lagerpunkter) og deres tilhørende artikler og kalkulerer dagens og fremtidige ordre. Systemet kan enten automatisk akseptere ordrene (typisk i en butikkverden) eller presentere dem til beslutning for planleggeren (typisk når man kjøper inn til grossistlager). En leverandør det skal kjøpes inn fra kan ha hundrevis eller tusenvis av varer. Ved siden av å kalkulere riktig behov og optimere i forhold til et vell av logistiske regler, skal systemet også gjøre det lett for planleggeren: Planleggeren skal bare bruke tid på det som betyr noe og glemme resten. Nettopp denne måten å tenke på sparer planleggeren for en masse rutinearbeid som like godt kan håndteres av systemet, slik at tiden kan brukes på taktiske og strategiske problemstillinger. Og typisk løfter planleggeren blikket og får tid til å planlegge for hendelser som ligger dager, uker og endog måneder frem i tid. På denne måten ser vi ofte en dramatisk økning i ikke bare planleggerens effektivitet, men også i andre deler av organisasjonen.

Push eller pull? Typisk vil problemstillinger knyttet til vareforsyning kretse rundt en pull-drevet forsyning basert på prognoser eller en pushdrevet utkvotering eller allokering av varer. Typisk har allokering sitt opphav i lange ledetider og korte sesonger uten muligheter for gjenkjøp mens pulldrevet forsyning oftest forbindes med såkalte «perpetuals» - altså varer som lever sitt liv fra år til annet, om enn inniblant for eksempel erstattet eller byttet innkjøpsmultippel og hvor ledetiden er moderat til kort. Men det finnes også en rekke kombinasjonsmuligheter, for eksempel i å starte en introduksjon av en vare med en førsteallokering ut til butikkene for deretter å gå i normal pulldrevet vareforsyning og til slutt pushe ut restbeholdninger når vare skal utgå eller erstattes.

Det finnes en rekke andre problemstillinger som ofte kan være en utfordring. I noen bransjer planlegger man for eksempel ikke per vare-lokasjon men på aggregerte nivåer. Tenk for eksempel på at en jakke kan klassifiseres via begreper som style, farge og størrelse (og mange andre «attributter). Det tar ikke lang tid å forstå at et hovedproduktnummer da kan bestå av et større antall varianter. Å planlegge etterspørselen på laveste nivå kan da bli både uhåndterbart og til og med umulig. Dermed må systemet både kunne håndtere planlegging av etterspørsel og innkjøp på flere nivåer, hvilket bringer inn tilleggselementer som produkt- og lokasjonshierarkier og ikke minst bruk av attributter.

Dagens forsyningskjeder blir mer og mer nettverksbaserte og integrerte. En planleggingsløsning skal da ikke bare kunne håndtere ulike etterspørselstyper gjennom flere ledd internt, men også ha muligheten for å inkludere ledd som ligger utenfor organisasjonen. Et planleggingssystem bør sømløst kunne knytte sammen aktører i tilstøtende forsyningskjeder i et automatisk og likevel fleksibelt samspill. Tidligere var dette veldig mye et spørsmål om ulike teknologiplattformer. Den tiden er definitivt forbi, disse barrierene er definitivt brutt i dag.



Supply Chain Planning er mer enn man tror


Min avgrensning i denne artikkelen har typisk gått vertikalt i forsyningskjeden, for eksempel Supply Chain Planning-systemer vs Warehouse Management-systemer eller mellom enheter i forsyningskjeden eller mot andre forsyningskjeder. Det finnes imidlertid et vell av andre og interessante grenseoppganger man kan gjøre. Typisk vil for eksempel en handelsbedrift ha en kategori- eller produ ktavdeling. Disse er typisk fokuserte på valg av produkter og sourcingstrategier. Et Supply Chain Planning-system vil typisk måtte forholde seg til de beslutningene som fattes der, men i høy grad også kunne bidra med underlagsanalyser i mange dimensjoner. Flere av våre kunder bruker faktisk Supply Chain Planningsystemets sortimentsanalysefunksjoner, da vi her får med et mer fullstendig bilde enn rene margindrevne analyser. Et annet eksempel kan være at butikkplassen er regulert både av floor plans og space plans, sistnevnte typisk omtalt som planogrammer. Det er naturlig at et Supply Chain Planning System også samspiller med denne prosessen. Det at vi har tenkt å endre planogrammet i en butikkhylle fra en gitt dato, bør jo tas hensyn til slik at endrede kjøpsbeslutninger ivaretar det automatisk.

Supply Chain Planning har nå etter hvert fått en mye mer sentral og fortjent plass i bedriftens strategier og ledelsens bevissthet - ikke minst fordi det lønner seg. Dernest skjer det en rivende utvikling, hvor planleggingssystemene etter hvert får status av å bli hjertet i bedriftens virksomhet. Det skulle nesten bare mangle!


Vil du høre mer om dette? Kom til Losby Gods 7.-8. juni!

Delta på vår store konferanse på Losby gods 7.-8. juni 2017. Her møter du mange bransjekollegaer som alle deler av sine erfaringer. Et detaljert program vil snart være klart.

Klikk her for å få tilsendt programmet.
Klikk her for å melde deg på.

Hva er en prognose?

En prognose er alt du har visst, tenkt eller sett i fortiden samt alt du tror vil påvirke etterspørselen i fremtiden.

All god logistikk starter med en god prognose. Da sikrer du tilgjengelighet og har et godt utgangspunkt for dimensjonering av ditt lagernivå, transport og mye mer.

Men som vi skal se, er prognoser så mangt.

Sverre Rosmo, daglig leder

Hva du har sett - historikken gir pekepinn

Hvis du har en prognose, er den sannsynligvis basert på en tidsrekke du har lagret, for eksempel salg og periodenummer. Utfra dette materialet kan vi finne en rekke ting, blant annet kan vi beregne reell etterspørsel, som vi da bruker som underlag. Her kan vi å finne både gjennomsnittlig etterspørsel, trender, konjunktursignaler - og ikke minst om det finnes sesongmønstre. Da har vi et godt utgangspunkt for å forstå hva som kommer til å skje.

 
 

Hva du tror - dine planer avgjør

Når vi har et statistisk underlag, er det at vi supplerer med alt det vi kjenner til som vi planlegger eller «vet» kommer som et tillegg (eller fradrag!). Her kommer de kampanjene du har planlagt, at du vet at du av kapasitetsmessige årsaker må bygge opp lageret i forkant av en sesong eller hendelse.

Når du prøver å finne skjulte sammenhenger

Hvis vi trekker inn flere faktorer - ofte kalt forklaringsvariabler - kan vi kaste ytterligere lys over hvorfor etterspørsel skjer. Det kan være alt fra vær, pris, samvarierende produktsalg, kampanjeintensitet, konkurrenters mottrekk, befolkningssammensetning ved din butikk - og mye annet. En kausal modell forsøker å finne ut hvordan hver variabel påvirker din prognose - altså bruker vi flere fakturer som underlag. Men gjennom digitalisering og spesialisering er mange nye muligheter her i emning utover de tradisjonelle kausale modellene, så som produktomtale på Facebook, Twitter eller Yelp.

Når du vet, kan du øke presisjonen

Det er ikke alle prognoser som er stokastiske - basert på usikkerhet. Mye av det som skjer i din forsyningskjede er det motsatte - det er en reaksjon på noe som skjer lenger ned i forsyningskjeden - eller nærmere kunden. Da er etterspørselen deterministisk. Når du i hvert ledd av forsyningskjeden kjenner til fremtidige beslutninger, kan du presist forutsi konsekvensene bakover i forsyningskjeden - helt fra butikkhyllen, til det lokale-, regionale, sentrallageret og tilbake til leverandør - og endog til produsent og til innkjøp av råvarer.

Er dette alt?

Nei, faktisk langt derfra. Riktignok starter all god logistikk starter med så korrekte prognoser som mulig. Men det er så mye annet som påvirker hva du til slutt beslutter, så som ordreminimum, multipler, presentasjonslager, holdbarhet, ledetid, din leverandørs punktlighet, produsentenes råvaretilgang og mye, mye mer. Men følg med - det kommer vi tilbake til.

Vil du høre mer om dette? Kom til Losby Gods 7.-8. juni!

Delta på vår store konferanse på Losby gods 7.-8. juni 2017. Her møter du mange bransjekollegaer som alle deler av sine erfaringer. Et detaljert program vil snart være klart.

Klikk her for å få tilsendt programmet.
Klikk her for å melde deg på.