Lageroptimering: Minimering av risk och avfall
Lageroptimering är processen för strategisk hantering och styrning av lagernivåer för att maximera effektiviteten, minimera kostnader och möta kundernas behov.
Översikt över lageroptimering
Lageroptimering är praxis att ha rätt lager för att möta din efterfrågan, och buffra mot oväntade störningar, samtidigt som du undviker slöseri med överskott. Som bäst är lageroptimering en agil praxis som inte bara reagerar snabbt på risker och möjligheter utan också har kapacitet att förutsäga och förbereda sig för det.
Lageroptimering är viktigare än någonsin
Som alla företagsledare kan säga är lageroptimering en särskilt svår komponent i supply chain management eftersom den är sårbar för så många faktorer, inklusive sociala trender, naturliga händelser, politik, ekonomi och konkurrens (för att bara nämna några). När pandemin kom var det moder till alla globala avbrott i försörjningskedjan och lyste ett ljust och orubbligt ljus över volatiliteten i gamla skolors leverantörskedjor.
Dessutom, när konsumenttoleranser var för leveranstider på en vecka eller mer, kunde företag klara sig med bara ett par stora lager. I dag ser Amazon Effect att leverans samma dag eller nästa dag blir en ökande efterfrågan från konsumenterna. Detta har haft en enorm inverkan på lageroptimering eftersom det innebär att företag nu måste ha flera distributionscenter och kräva flerlokaliserad lagerhantering. Till råga på allt är online-shopping på en hög nivå och konsumenternas varumärkeslojalitet håller på att urholkas inför ett ökat utbud på nätet. Detta har lett till en aldrig tidigare skådad konkurrens för många företag och en krympande vinst- och felmarginal.
"Försörjningskedjans grejer är riktigt knepiga.&Kvot;
Elon Musk
Skillnaden mellan lagerhållning och lageroptimering
Båda är en del av samma lagerrelaterade försörjningskedjeverksamhet, men när det gäller att definiera specifika metoder är den övergripande kategorin ”lagerstyrning”, under den ligger lagerhållning och inom den liveoptimeringen.
Lagerstyrning omfattar alla lagerhållningsoperationer, inklusive lageroptimering.
Lagerhållning syftar till målet att sätta höga produktivitets- och effektivitetsmål för alla lageroperationer. Moderna affärs- och försörjningskedjeplaneringstekniker stöder dessa processer genom att ge chefer i försörjningskedjan större synlighet över alla länkar i kedjan. Internet of Things (IoT) och molnanslutna enheter och tillgångar kan automatiseras för ökad effektivitet i tillverkningen. Produktion, lager och logistikprocesser uppnår också ökad effektivitet genom tillämpning av intelligenta tekniker som artificiell intelligens (AI), maskininlärning, robotteknik och robotprocessautomatisering.
Lageroptimering är en delmängd av lagerhållning som mer specifikt refererar till vinstmarginaler och minimerar förlust. Att transportera överskottslager orsakar förlust och avfall. Det tar upp utrymme, blir föråldrad, och ofta inte säljer eller måste säljas till reducerade priser. Som vi däremot såg under pandemin är brist och oväntad efterfrågan lagermyntets baksida, där kostnaderna kommer i form av förlust av potentiell vinst och skador på varumärket. Därför är målet med lageroptimering att bäst prognostisera efterfrågan och maximera det finansiella resultatet av lagret för företaget.
De olika typerna av inventering
Ur konsumentsynpunkt består inventeringen i första hand av färdiga varor. Men för ett företag är lager allt de måste ha i lager, underhålla och fylla på. Om ett företag gör soppa, kan ”inventering” vara allt från fröna som används för att odla tomaterna, hela vägen till bränslet i företaget leverans lastbilar som tar det till mataffären. Att titta på lagerhållning på detta mer holistiska sätt ger en större uppskattning av dess komplexitet.
Det finns fyra grundläggande lagertyper:
- Råmaterial: Alla lager som slutligen hamnar i slutprodukten.
- Produkter i arbete (PIA): Som namnet antyder är detta allt lager som håller på att förberedas och förpackas. Detta är ett dyrt och riskfyllt skede, så lageroptimeringslösningar kan tillämpas för att hjälpa till att hitta de mest kostnads- och tidseffektiva processerna.
- Färdiga varor: Den vanligast upplevda innebörden av vad lager är, i sitt paketerade säljfärdiga tillstånd.
- Underhåll, reparation och driftsmaterial (MRO): Allt lager som behövs vid tillverkning, produktion och leverans av produkterna. Lageroptimering tillämpas för bästa saldoöverskott och underskott av dessa artiklar som inte är konsumentrelaterade.
Utmaningarna med traditionell lageroptimering
Eftersom det har funnits försörjningskedjor och lager har en av de största utmaningarna för att uppnå lageroptimering varit att balansera mellan ”tillräckligt” och ”inte för mycket”. Efterfrågeprognoser har traditionellt sett varit en bakåtblickande praxis. Även om lageroptimering och behovsprognosexperter är mycket kompetenta, finns det bara så mycket som mänsklig analys och prediktion kan åstadkomma. Därför kommer linjära försörjningskedjor som drivs av äldre system alltid att vara sårbara, oavsett hur mycket expertis som används. Några av de vanligaste utmaningarna är:
Gamla system som varken kan samla in eller hantera stordata: Manuella och icke-anslutna tekniker kan inte hantera volymer av olikartade och ostrukturerade data. Det är från dessa data – genom tillämpning av smarta tekniker som AI, maskininlärning och avancerad analys – som en av de största noggrannheterna uppnås från riskförutsägelse till behovsprognos.
Snabbrörliga kundkrav: Varje år växer konsumenternas efterfrågan på snabba leveranser och kundanpassade produkter. Produktlivscyklerna är också kortare än någonsin. Det är dyrt för företag att öka sina logistik- och försörjningskedjenätverk för att möta dessa krav, så det krävs större precision från lageroptimering.
Ökad konkurrens: En konsekvens av Industri 4.0 och intelligent, uppkopplad försörjningskedjeteknik är att företag kan installera och växa snabbare än någonsin – allt hanteras från ett centralt nav. Detta har lett till en aldrig tidigare skådad nivå av konkurrens och konsumentval. Lageroptimeringslösningar eftersträvas i allt högre grad för att bidra till en konkurrensfördel.
Väderhändelser och naturkatastrofer: Varje år ser vi mer försvagande stormar och destruktiva skogsbränder. Uppenbarligen finns det inget sätt att exakt förutsäga sådana händelser, men med hjälp av avancerade analyser och molnanslutna lösningar kan lagerchefer ge sig själva en kampchans under de resulterande perioderna av vacklande efterfrågan.
Bygga vidare på grundläggande prognosprocesser för lageroptimering
Det finns ett brett utbud av lageroptimeringsutmaningar från företag till företag. För vissa säsongs- eller B2B-produkter kan processen vara ganska enkel, medan stora detaljhandlare till exempel kan ha hundratals eller tusentals SKU och en mycket merkuriell marknad och kundbas.
De grundläggande metoderna som ligger till grund för lageroptimering har inte förändrats på årtionden – inte ens århundraden. Men det som har förändrats är mjukvarulösningar som förstärker dessa processer och de specialister som utför dem. Men även de mest sofistikerade digitala systemen är fortfarande förankrade i många av de välkända och traditionella inventeringsoptimeringsprotokollen och formlerna:
ABC-analys: Identifiera de mest och minst populära produkterna samt de som är mest och minst lönsamma. Detta har traditionellt gjorts genom analys av tidigare försäljningsdata. Men med avancerad analys och smart teknik är det nu möjligt att bättre förutsäga trender och förutse stigande och fallande lagerbehov innan de inträffar.
Behovsprognos: Prediktiv analys hjälper till att förutse kundernas behov. Den används också för att hjälpa till att förutsäga trender eller risker. Återigen, där detta traditionellt var en mer bakåtblickande process, gör lagerhanteringsprogram nu det möjligt för leverantörer att minimera risken för underskott och avfall, och mer korrekt prognostisera efterfrågan.
Materialbehovsplanering (MRP): Ett system som hanterar planering, planering och lagerstyrning för tillverkning. De gamla MRP-systemen ersätts i allt högre grad av integrerade affärsplaneringssystem och behovsstyrda MRP-system (DDMRP) som ger större noggrannhet och motståndskraft.
Formel för beställningspunkt: Detta återspeglar minsta lagermängd innan du behöver beställa om. Detta har traditionellt varit en komplicerad process eftersom den skiljer sig från produkt till produkt – även inom mycket liknande produkter. Till exempel vita strumpor och svarta strumpor kan mycket väl ha en annan beställningspunkt. Lageroptimeringstekniker kan hålla även de mest komplexa lagernivåerna med flera platser exakta och synliga – överallt och i realtid.
Löpande lagerhållning: Detta är särskilt relevant för snabbrörliga konsumtionsvaror (FMCG) där produkterna rör sig i blixtsnabb takt. Med smarta teknologier kan löpande lagerhanteringsprocesser automatiseras helt i flera kanaler. Och maskininlärning kan hjälpa dessa verktyg att bli smartare och mer exakta över tid, även hålla ett öga på nyheter, trender och väderrapporter för att leverera levande insikter och lagerstatusrapportering.
Säkerhetslager och lagerbuffertar: Detta är processen för att säkerställa att det finns realistiska lagerbuffertar om det oväntade skulle inträffa. Sedan försörjningskedjorna började har detta varit en grundläggande utmaning eftersom både underskott och slöseri leder till inkomstbortfall. Moderna programvarulösningar för försörjningskedjan ger lagerhanteringsprocessen snabbhet, anslutning och avancerade dataanalysfunktioner. Detta gör det möjligt för företag att optimera sina buffertmarginaler med imponerande noggrannhet.
Lageroptimeringssystem: Fördelar och resultat
Historiskt sett kan fördelarna med även små förbättringar av strategisk lageroptimering realiseras i sänkta kostnader och bättre vinstmarginaler. Med tillämpning av integrerade affärsprocesser och programvara för lagerhantering blir dessa fördelar mer robusta och mätbara – och förbättras bara med tiden när programvaran lär sig och anpassas.
Större synlighet för hela verksamheten: Den ökade transparens som möjliggörs av lageroptimeringsprogram sträcker sig från försäljning, marknadsföring och redovisning till råmaterialleverantörer och till och med globala partners, tillgångar och utgifter. Molnkonnektivitet gör det möjligt för alla team som är involverade i försörjningskedjan att samarbeta i realtid.
Förbättrad behovsprognos och prediktiv förmåga: Smart teknik kan bearbeta komplexa data från källor inom och utanför verksamheten – och leverera korrekta prognoser och insikter. När försörjningskedjetekniker drivs av AI och maskininlärning blir prediktiv analys och behovsprognoser mer exakta och insiktsfulla.
Mer sofistikerade optimeringsresultat: Med smarta system som kan analysera komplexa och olika dataset kan lagerchefer inte bara se vilka produkter som är mest lönsamma, utan saker som vilka platser som är bäst för vilka SKU och vilka kombinationer av produkter som säljer bäst vid olika tider på året.
Skalbarhet: Företagen måste skala upp snabbt av många skäl, inklusive framgång och allmän tillväxt, oväntade händelser eller säsongsvariationer. Smart programvara och moderna databaser är oändligt skalbara och kan ramla upp och optimera verksamheten på global nivå.
Gå över och förbi med multi-echelon lageroptimering (MEIO)
Komplexa (särskilt globala) försörjningskedjor drar nytta av MEIO-lösningar, som bygger på grunderna i traditionell lageroptimering men använder modern försörjningskedja och molnteknik för att få en mer centraliserad realtidsbild av global verksamhet. En effektiv MEIO-lösning rekommenderar optimala lagernivåer vid varje länk – eller echelon – i försörjningskedjan genom att samtidigt optimera lagersaldot på flera platser.
Med en MEIO-metod kan tillverkare analysera behovsprognoser med en heltäckande vy över försörjningskedjan. Och när företag brottas med Amazon Effect hjälper MEIO-lösningar dem att hantera dagens mer geografiskt fördelade, mindre lager.
Kom igång med bästa praxis för lagerplanering
Modern teknik och smarta lösningar kan ge enorma fördelar för varje område av försörjningskedjan, men i slutändan är det praxis och människor som driver ett företag. Molnkonnektivitet hjälper dig att ansluta till dina team och partner i försörjningskedjan runt om i världen, så att den synligheten fungerar genom att dela och belöna sunda metoder och effektiva lagerplaneringsstrategier.
- Använd robusta behovsprognostekniker. Behovsprognos är en nyckelfaktor för att informera om hur företag lägger upp strategier för lagerhållning och andra processer, till exempel resursinköp, inleveranslogistik, tillverkning, finansplanering och riskbedömning.
- Gör din lagerbudget till en Q1-prioritet. Varje verksamhet har cykler och skift under hela året. Genom att upprätta en lagerbudget för varje kvartal kan försörjningskedjeplanerare sätta upp mer realistiska och levererbara mål och nyckeltal.
- Implementera standardsystem för lagergranskning.
Granskning av system kan anpassas för olika typer av lager och bidra till att förbättra effektiviteten och effektivisera arbetsflöden. Det är inte ovanligt att komplexa organisationer använder olika system inom sin verksamhet. Det viktigaste är att ha konsekvens och att upprätta en plan. Det finns två huvudtyper av system för granskning av inventering:
Kontinuerligt granskningssystem: I den här modellen beställs samma artikelkvantiteter i varje cykel och lagerchefer måste övervaka lagernivåerna kontinuerligt och fylla på lager när kvantiteten av en artikel sjunker under en viss nivå.
Periodisk granskning: I den här modellen beställer lagerchefer produkter samtidigt inom varje affärscykel. I slutet av cykeln beställs nödvändigt lager baserat på kvalitetsnivåer vid den tidpunkten. Detta system använder inte fasta ombeställningsnivåer och är effektivare för långsammare rörliga produkter.
- Lyssna på dina kunder. Många företag lyssnar bara på de klämmaste hjulen och fattar beslut baserat på den mest högljudda återkopplingen. De bästa programvarulösningarna för lagerhållning kommer regelbundet att kunna samla in och analysera data från alla dina kunder och köpare och erbjuda insikter och rekommendationer – i realtid – om den informationen. Detta hjälper lageroptimering genom att säkerställa att lagerstyrningsbeslut är informerade och datadrivna.
- Använd just-in-time (JIT) och on-demand-principer. Produktlivscyklerna är kortare än någonsin och konsumenternas växande efterfrågan på snabbhet och personalisering innebär att lageroptimering måste vara snabbrörlig och smidig. Tekniker som 3D-utskrift och robotautomatisering gör det möjligt för företag att bära virtuella lager. Tillverkning och logistik i försörjningskedjan drivs i allt större utsträckning med hjälp av nätverk av leverantörer och leverantörer på begäran. Med intelligent programvara kan lagerchefer fatta beslut om lageroptimering i realtid och vara säkra på att data säkerhetskopierar dem.
Nästa steg för bättre lagerplanering och optimering
Precis som med alla verksamhetsförändringar är det viktigt att etablera god kommunikation över hela ditt lageroptimerings- och försörjningskedjeteam. Börja med att bryta ner silor, utveckla starka förändrings- och kommunikationsstrategier och prata med dina teamledare. Inom din personal finns en guldgruva av information om aktuella risker och möjligheter, som kan utnyttjas för att fastställa genomförbar lagerplanering och optimeringsstrategier. Mjukvaruleverantörer kan också hjälpa dig att ta fram en färdplan för att få igång din lageroptimeringsresa.
Utforska lageroptimeringslösningar
Uppnå dina lageroptimeringsmål med SAP Integrated Business Planning.
Idéer som du inte hittar någon annanstans
Registrera dig för en dos business intelligence som levereras direkt till din inkorg.