Definition af beholdningsoptimering

Lageroptimering er den praksis at have den rigtige beholdning til at opfylde din efterspørgsel, og buffer mod uventede forstyrrelser, samtidig med at du undgår spild af overskud. Lageroptimering er, når det er bedst, en agil praksis, der ikke kun reagerer hurtigt på risici og muligheder, men også har kapacitet til at forudsige og forberede sig på det.

Beholdningsoptimering er mere afgørende end nogensinde før

Lageroptimering er fortsat en af de mest udfordrende aspekter af forsyningskædestyring, der er sårbar over for utallige eksterne kræfter – fra sociale tendenser og økonomiske skift til vejrbegivenheder, geopolitisk dynamik og konkurrencepres. De seneste år har afsløret, hvor hurtigt disse afbrydelser i forsyningskæden kan fremme traditionelle planlægningsmetoder, hvilket understreger behovet for mere smidige, datadrevne og robuste lagerstrategier.

Desuden har stigningen i leveringsforventningerne samme dag og næste dag grundlæggende ændret den måde, virksomheder forvalter lagerbeholdningen på. I stedet for at satse på nogle få centraliserede lagre driver virksomhederne nu distributionsnet med flere lokationer, som kræver større hastighed, nøjagtighed og synlighed i realtid. Med øget onlinekonkurrence og skiftende kundeloyalitet skal organisationer afbalancere serviceniveauer med strammere marginer og højere usikkerhed.

Virksomheder, der anvender moderne lagermetoder – ved hjælp af AI-drevet prognoser, scenarieplanlægning og intelligent automatisering til at placere beholdningen tættere på kunderne – kan reducere fragtomkostninger, beskytte serviceniveauer og reagere hurtigt på markedsvolatilitet.

Forskellen mellem lagerstyring og beholdningsoptimering

Lagerstyring og beholdningsoptimering er begge en del af den brede praksis og kategori af lagerstyring.

Lagerstyring henviser til målet om at fastsætte mål for høj produktivitet og effektivitet for alle lageroperationer. Moderne forretnings- og forsyningskædeplanlægningsteknologier understøtter disse processer ved at give ledere af forsyningskæder større synlighed på tværs af alle led i kæden. Internet of Things (IoT) og cloud-forbundne enheder og aktiver kan automatiseres for større effektivitet i produktionen. Produktions-, lager- og logistikprocesser opnår også mere effektivitet gennem anvendelse af intelligente teknologier som kunstig intelligens (AI), maskinindlæring, robotteknologi og robotprocesautomatisering.

Beholdningsoptimering er en delmængde af beholdningsstyring, der refererer mere specifikt til profitmarginer og minimering af tab. At føre overskudslager medfører tab og spild. Det fylder, bliver forældet og sælger ofte ikke eller skal sælges til reducerede priser. På den anden side er knaphed og uventet efterspørgsel, som vi så under pandemien, den anden side af lagermønten, hvor omkostningerne kommer i form af tab af potentiel fortjeneste og skade på brandet. Derfor er målet med beholdningsoptimering at optimere prognoseefterspørgslen og maksimere det finansielle output af beholdningen for virksomheden.

De forskellige typer af beholdninger

Ud fra forbrugerens synspunkt består varebeholdningen primært af færdigvarer. Men for en virksomhed er inventar alt, hvad de skal have på lager, vedligeholde og genopfylde. Hvis en virksomhed laver suppe, så kunne ”inventar” vaere alt fra de frø, der bruges til at dyrke tomaterne, helt frem til braendstoffet i de firmaleveringsvogne, der tager den med til dagligvarebutikken. At se på lagerstyring på denne mere holistiske måde giver en større forståelse for dens kompleksitet.

Der er fire grundlæggende lagertyper:

1. Råstoffer: Al beholdning, der i sidste ende ender i det færdige produkt.
2. Varer under fremstilling (VuF): Som navnet antyder, er dette hele den beholdning, der i øjeblikket forberedes og emballeres. Dette er en dyr og risikabel fase, så lageroptimeringsløsninger kan anvendes til at hjælpe med at finde de mest omkostnings- og tidseffektive processer.
3. Færdigvarer: Den mest almindeligt opfattede betydning af, hvad lager er, i sin emballerede klar til salg tilstand.
4. Vedligeholdelse, reparation og driftsmaterialer (MRO): Al den lagerbeholdning, der er nødvendig i produktionen, produktionen og leveringen af artiklerne. Beholdningsoptimering anvendes til det bedste saldooverskud og mangel på disse ikke-forbrugerposter.

Udfordringerne ved traditionel lageroptimering

Da der har været forsyningskæder og lagre, har en af de største udfordringer for at opnå lageroptimering været balancehandlingen mellem "lige nok" og "ikke for meget". Efterspørgselsprognoser har traditionelt været en bagudskuende praksis. Selvom lageroptimerings- og efterspørgselsprognoseeksperter er meget dygtige, er der kun så meget, som menneskelig analyse og forudsigelse kan udrette. Derfor vil lineære forsyningskæder, der drives af ældre systemer, altid være sårbare, uanset hvor meget ekspertise der anvendes. Nogle af de mest almindelige udfordringer omfatter:

• Ældre systemer, der hverken kan indsamle eller håndtere big data: Manuelle og ikke-forbundne teknologier kan ikke håndtere mængder af uensartede og ustrukturerede data. Det er fra disse data – gennem anvendelse af intelligente teknologier som AI, maskinindlæring og avanceret analyse – at noget af den største nøjagtighed opnås fra risikoforudsigelse til efterspørgselsprognose.
• Hurtigt skiftende kundekrav: Hvert år vokser forbrugernes efterspørgsel efter hurtig levering og tilpassede produkter. Også produktets livscyklus er kortere end nogensinde. Det er dyrt for virksomheder at forhøje deres logistik- og forsyningskædenetværk for at opfylde disse krav, så der anmodes om større præcision fra lageroptimering.
• Øget konkurrence: En konsekvens af Industri 4.0 og intelligente, forbundne forsyningskædeteknologier er, at virksomheder kan etablere og vokse hurtigere end nogensinde – alt sammen styret fra en central hub. Dette har ført til en hidtil uset grad af konkurrence og forbrugervalg. Lageroptimeringsløsninger efterspørges i stigende grad for at hjælpe med at give en konkurrencemæssig fordel.
• Vejrbegivenheder og naturkatastrofer: Hvert år oplever vi mere invaliderende storme og ødelæggende skovbrande. Det er klart, at der ikke er nogen måde at forudsige sådanne hændelser præcist, men ved hjælp af avancerede analyser og cloud-forbundne løsninger kan lagerchefer give sig selv en chance for at bekæmpe i de resulterende perioder med vaklende efterspørgsel.

Beholdningsoptimeringsprognoseprocesser

Der er en bred vifte af lageroptimeringsudfordringer fra virksomhed til virksomhed. For visse sæsonbestemte produkter eller B2B-produkter kan processen være ret enkel, hvorimod store detailhandlere f.eks. kan have hundrede- eller tusindvis af artikler og et stærkt merkuriøst marked og kundegrundlag.

De grundlæggende praksisser, der understøtter lageroptimering, har ikke ændret sig i årtier – selv århundreder. Men det, der har ændret sig, er softwareløsninger, der forstærker disse processer og de specialister, der udfører dem. Men selv de mest sofistikerede digitale systemer er stadig funderet i mange af de velkendte og traditionelle lageroptimeringsprotokoller og -formler:

• ABC-analyse giver dig mulighed for at identificere de mest og mindst populære produkter samt dem, der er mest og mindst rentable. Dette er traditionelt blevet opnået gennem analyse af tidligere salgsdata. Men med avancerede analyser og intelligente teknologier er det nu muligt bedre at forudsige tendenser og forudse stigende og faldende lagerbehov, før de sker.
• Behovsprognose med prognoseanalyser hjælper med at forudse kundeefterspørgsel. Det bruges også til at hjælpe med at forudsige tendenser eller risici. Igen, hvor dette traditionelt var en mere bagudløsende proces, giver lagerstyringssoftware nu forsyningskædeansvarlige mulighed for at minimere risikoen for mangel og affald og mere præcist forudsige efterspørgslen.
• Materialebehovsplanlægning er et system, der håndterer planlægning, tidsplanlægning og lagerstyring for produktion. Gamle MRP-systemer erstattes i stigende grad af integrerede forretningsplanlægningssystemer og behovsstyrede MRP-systemer (DDMRP), der giver større nøjagtighed og modstandsdygtighed.
• Formlen med bestillingspunkt afspejler minimumbeholdningen, før du skal ændre rækkefølgen. Dette har traditionelt været en kompliceret proces, fordi den adskiller sig fra produkt til produkt – selv inden for meget lignende produkter. For eksempel kan hvide sokker og sorte sokker godt have et andet genbestillingspunkt. Lageroptimeringsteknologier kan holde selv de mest komplekse lagerniveauer med flere lokationer nøjagtige og synlige – overalt og i realtid.
• Kontinuerlig lagerstyring er særlig relevant for hurtigt omsættelige forbrugsvarer (FMCG), hvor produkterne bevæger sig lynhurtigt. Med smarte teknologier kan kontinuerlige beholdningsstyringsprocesser fuldautomatiseres på tværs af omnichannel-indkøbs-berøringspunkter. Og maskinindlæring kan hjælpe disse værktøjer med at blive smartere og mere præcise over tid og endda holde øje med nyheder, tendenser og vejrrapporter for at levere live indsigt og rapportering af lagerstatus.
• Sikkerhedsbeholdnings- og beholdningsbuffere er processen med at sikre, at der er realistiske beholdningsbuffere i tilfælde af det uventede. Siden forsyningskæderne begyndte, har dette været en grundlæggende udfordring, fordi mangel og spild begge fører til indkomsttab. Moderne softwareløsninger til forsyningskæden bringer hastighed, konnektivitet og avancerede dataanalysefunktioner til lagerstyringsprocessen. Dette gør det muligt for virksomheder at optimere deres buffermarginer med imponerende nøjagtighed.

Lageroptimeringssystemer: Fordele og resultater

Historisk set kunne fordelene ved selv små forbedringer af strategisk lageroptimering realiseres i reducerede omkostninger og bedre profitmarginer. Med anvendelsen af integrerede forretningsprocesser og lagerstyringssoftware bliver disse fordele mere robuste og målbare – og forbedres kun med tiden, efterhånden som softwaren lærer og tilpasser sig.

• Større synlighed for hele virksomheden: Den forbedrede gennemsigtighed, der aktiveres af lageroptimeringssoftware, strækker sig fra salg, marketing og regnskab til råstofleverandører og endda globale partnere, aktiver og udgifter. Cloud-konnektivitet gør det muligt for alle teams, der er involveret i forsyningskæden, at arbejde sammen i realtid.
• Forbedrede efterspørgselsprognoser og prognoseevner: Intelligente teknologier kan behandle komplekse data fra kilder i og uden for virksomheden – og levere nøjagtige forudsigelser og indsigter. Når forsyningskædeteknologier drives af AI og maskinindlæring, bliver prognoser og efterspørgselsprognoser mere præcise og indsigtsfulde.
• Mere sofistikerede optimeringsresultater: Med intelligente systemer, der kan analysere komplekse og forskelligartede datasæt, kan lagerchefer ikke kun se, hvilke produkter der er mest rentable, men ting som f.eks. hvilke lokationer, der er bedst til hvilke SKU'er, og hvilke kombinationer af produkter der sælger bedst på forskellige tidspunkter af året.
• Skalerbarhed: Virksomheder skal skalere hurtigt op af mange årsager, herunder succes og generel vækst, uventede begivenheder eller sæsonudsving. Smart software og moderne databaser er uendeligt skalerbare og kan rampe op og optimere driften på globalt plan.

At gå over og videre med multi-echelon lageroptimering (MEIO)

Komplekse (især globale) forsyningskæder drager fordel af MEIO-løsninger, der bygger på det grundlæggende i traditionel lageroptimering, men bruger moderne forsyningskæde- og cloud-teknologier til at få et mere centraliseret realtidsbillede af den globale drift. En effektiv MEIO-løsning anbefaler de optimale lagerniveauer ved hvert led – eller echelon – i forsyningskæden ved samtidig at optimere lagerbalancen på tværs af flere lokationer.

Med en MEIO-tilgang kan producenter analysere efterspørgselsprognoser med en komplet visning af forsyningskæden. Og efterhånden som virksomheder kæmper med forbrugernes forventninger til hurtig, nem levering og bekvemme returneringer, hjælper MEIO-løsningerne dem med at klare nutidens mere geografisk fordelte, mindre lagerbeholdninger.

Kom i gang ved hjælp af bedste praksis for beholdningsplanlægning

Moderne teknologier og intelligente løsninger kan levere enorme fordele til alle områder af forsyningskædestyring, men i sidste ende er det praksis og mennesker, der driver en virksomhed. Cloud-konnektivitet hjælper dig med at oprette forbindelse til dine teams og forsyningskædepartnere rundt om i verden, så denne synlighed kommer til at fungere ved at dele og belønne sunde praksisser og effektive strategier for lagerplanlægning.

1. Anvend robuste efterspørgselsprognoseteknikker. Behovsprognoser er en vigtig faktor for at informere om, hvordan virksomheder straterer lagerstyring og andre processer, såsom ressourceindkøb, indgående logistik, produktion, finansiel planlægning og risikovurdering.

2. Gør dit lagerbudget til en prioritet for 1. kvartal. Hver virksomhed har cyklusser og skift i løbet af året. Ved at opstille et lagerbudget for hvert kvartal kan forsyningskædeplanlæggere opstille mere realistiske og leverbare mål og KPI'er.

3. Implementer standardsystemer til kontrol af beholdning. Review-systemer kan tilpasses til forskellige typer af inventar og bidrage til at forbedre effektiviteten og strømline arbejdsprocesser. Det er ikke ualmindeligt, at komplekse organisationer bruger forskellige systemer i deres virksomhed. Det vigtigste punkt er ensartethed og iværksættelse af en plan. Der findes to hovedtyper af systemer til gennemgang af beholdninger:

   • Kontinuerligt kontrolsystem: I denne model bestilles de samme mængder artikler i hver cyklus, og lagerchefer skal overvåge beholdningsniveauerne kontinuerligt og genopfylde beholdninger, når mængden af en artikel falder til under et bestemt niveau.
   • Periodisk gennemgang: I denne model bestiller lagerchefer produkter på samme tid inden for hver forretningscyklus. Ved slutningen af cyklussen bestilles den nødvendige beholdning baseret på kvalitetsniveauer på det pågældende tidspunkt. Dette system anvender ikke faste genbestillingsniveauer og er mere effektivt for langsommere produkter i bevægelse.

4. Lyt til dine kunder. Mange virksomheder lytter kun til de knusende hjul og ender med at træffe beslutninger baseret på den højeste feedback. De bedste softwareløsninger til lagerstyring vil regelmæssigt kunne indsamle og analysere data fra alle dine kunder og købere og tilbyde indsigt og anbefaling – i realtid – om det input. Dette hjælper beholdningsoptimeringsindsatsen ved at sikre, at lagerstyringsbeslutninger er informeret og datadrevne.

5. Anvend just-in-time-principper (JIT) og on-demand-principper. Produktlivscyklusser, der er kortere end nogensinde før, og forbrugernes stigende efterspørgsel efter hastighed og personalisering betyder, at lageroptimering skal være hurtigt bevægende og smidig. Teknologier som 3D-print og robotautomatisering gør det muligt for virksomheder at føre virtuelle opgørelser. Forsyningskædeproduktion og logistik drives i stigende grad ved hjælp af netværk af on-demand-udbydere og -leverandører. Med intelligent software kan lagerchefer træffe beslutninger om lageroptimering i realtid og være sikre på, at dataene sikkerhedskopierer dem.

Næste skridt til bedre beholdningsplanlægning og optimering

Som med enhver virksomhedstransformation er det vigtigt at etablere en god kommunikation på tværs af dit lageroptimerings- og forsyningskædeteam. Start med at nedbryde siloer, udvikle stærke forandringsstyrings- og kommunikationsstrategier og tale med dine teamledere. Inden for din arbejdsstyrke er en guldgrube af information om aktuelle risici og muligheder, som kan udnyttes til at etablere handlingsrettet lagerplanlægning og optimeringsstrategier. Softwareleverandører kan også hjælpe dig med at udvikle et roadmap for at få din beholdningsoptimeringsrejse i gang.