Struktureret beregning af sikkerhedslagre og genbestillingspunkter (lagerniveauer) – er en afgørende disciplin!

Jeg må desværre konstatere, at få af de mange handels- og produktionsvirksomheder, som jeg gennem tiderne har besøgt, beregner deres genbestillingspunkter og sikkerhedslagre – på råvarer, mellemvarer, færdigvarer – struktureret. Med struktureret mener jeg ud fra en defineret formel og i et regelmæssigt interval.

Resultatet er, at der er alt for store lagre på nogle varer, alt for små lagre på andre varer – og trods et stort lager, så løber man ofte tør for varer. Samtidig vil man aldrig kunne forlange af en indkøber, at m/k skal kunne håndtere op til flere tusinde råvarer manuelt. Der skal et beregningsværktøj til at hjælpe!

Resultat: Ringe service og markant forøgede omkostninger

Resultaterne er:

• Ringe leveringsevne – ringe kundeservice
• Ekstra omkostninger
  • For stor lagerbinding
  • Hasteordrer (fra leverandører og/eller produktion) fordi lagerprofil er forkert
  • Administrativ tid – brandslukning, “akustisk lagerberegning” (den der råber højest…), manual lagerberegning (når lokummet brænder)
  • Skrab af ukurante lagervarer – fordi lagre ikke bliver skruet ned i tide
  • m.fl.
• Desuden er det svært at eksekvere på strategien – vi vil gerne vækste på de og de varegrupper – vi vil gerne øge salgsfokus – men tør vi – når vi ikke er sikre på, at vi kan levere?

Ram det optimale punkt imellem “minimal lager” og “maksimal service”

Struktureret beregning af sikkerhedslagre og genbestillingspunkter er en afgørende disciplin for det optimale mix af “minimal lager” (omkostninger) og “maksimal kundeservice” (med de rette produkter på lager).

Hvordan gør man det?

Situationen i dag i mange virksomheder – lagerniveauer fastlægges impulsivt

I de mange virksomheder, hvor beregning af genbestillingspunkter og sikkerhedslagre ikke sker struktureret, sker det ofte rent impulsivt. Eksempler:

• En produktionsmedarbejder brokker sig over manglende lager på en vare – der bestilles hjem – og genbestillingspunktet hæves lidt.
• Lagrene er høje og ledelsen vil have dem reduceret. Der skrues ned på de store numre – det er lettest.
• Der er ofte problemer med en leverandør. Genbestillingspunkterne skrues op.
• Osv.

Er ovenstående noget du kan genkende fra egen virksomhed?

Lidt baggrund – hvad er et genbestillingspunkt og hvad er et sikkerhedslager?

Lad os kigge på 2 lagerprofiler – A og B:

De to lagerprofiler viser

1. En ideel kurve hvor afsætningen er stabil over tid. Nok ikke realistisk hos ret mange.
2. En variabel afsætningskurve over tid. Genbestillingspunktet er beregnet ud fra gennemsnitlig afsætning. Men fordi afsætningen varierer, så løber vi tør for varer engang imellem. I grafen går vi under 0-punktet – gælder kun, hvis vi kan lægge ordrer ind på varer, som vi ikke har på lager (endnu).

Nu tager vi lagerprofil B og tilføjer sikkerhedslagre:

De to profiler viser det samme som profil B ovenfor – men nu med to niveauer af sikkerhedslagre:

1. Venstre: Et lavt sikkerhedslager. Vi løber tør engang imellem.
2. Højre: Et højt sikkerhedslager. Vi har tæt på 100% leveringsevne (kræver typisk et meget højt sikkerhedslager).

VIGTIGT: Lagerberegning ud fra normalfordeling – eller ikke!

Når vi beregner lager, så gør vi det ofte ud fra en antagelse om, at afsætningskurven er normalfordelt omkring en middelværdi:

Ovenstående virker også for ret mange varer i typiske danske virksomheder. Men…

Mange varer har ikke en normalfordelt afsætningskurve! Og hvis man anvender den “normale formel” – så regner man forkert!

Konklusion: Vi skal beregne lagre på 2 forskellige måder!

Reelt burde vi nok beregne på mere end 2 måder. Hvis man møder en ekspert i statistik, så vil vedkommende sikkert kunne udlede masser af profiltyper – med hver sin metode til lagerberegning.

Men lad os holde det simpelt.

Beregning af lagre for en normalfordelt afsætningskurve (formlen er uddybet nedenfor i “Bilag A” – direkte link):

Beregning af lagre for en ikke-normalfordelt afsætningskurve (formlen er uddybet nedenfor i “Bilag B” – direkte link):

Ja, her havde du nok håbet på en formel. Men vi skal mere reelt ind at kigge på de enkelte ordrelinjer.

Hvornår skal vi beregne med normalfordelt – og hvornår ikke

Ja, et godt spørgsmål. Vi kunne gå ind og lave en profil for hver varenummer. Men det ville kræve en stor databehandling.
Så det jeg typisk anbefaler er, at lave et skæringspunkt. Eksempel:

• Varer med færre end 20 uger med afsætning per år – de er ikke-normalfordelte
• Varer med 20+ uger med afsætning per år – de er normalfordelte

Prøv med ovenstående – og lav en manuel vurdering af lagerberegningen for nogle varer. Se hvor jeres grænse ligger rigtigst.

Lageromkostningen udgør 15-40% af lagerværdien!

Hvad koster et lager? Det kan være svært at gøre op. Derfor er der også forskellige bud på, hvad lageromkostningen er på liggende lager. Jeg har hørt på omkostningstal imellem 15-40% af lagerværdien. I sidste ende består lageromkostning af flere parametre:

• Forsikring
• Bygning (afskrivninger, opvarmning, vedligehold)
• Håndtering, lageroptælling, flytte rundt, administrativ tid
• Direkte lageromkostninger (ex. leje)
• Kapitalforrentning
• Afskrivning på ukurante varer
• Omkostninger ved skift i efterspørgsel

Det vigtigste er, at organisationen er enige om en lageromkostning i procent. Ellers vil eks. produktionen regne med 30% og indkøb med 10%. Det vil føre til uenigheder om lot size (indkøbsstørrelser), lagerstørrelser, seriestørrelser mm.

Læs mere om lageromkostninger udgør 15-40% af lagerværdien >

Op til 10 ekstra parametre i beregningen af lagerniveauer og genbestillingspunkter

Udover ovenstående formler, så arbejder vi med op til 10 ekstra parametre, som BØR overvejer i jeres lagerberegning. Flere af dem er kritiske for at regne rigtigt!

Læs mere om de 10 punkter i beregningen af lagerniveauer og genbestillingspunkter >

Også til teoretisk beregning af Kanban lagerniveauer

Hvis I arbejder med Kanban-lagerstyring, så kan de nævnte formler også anvendes her. Mange kører med 2-kasse systemet med Kanban – meget forenklet. Men reelt bør man beregne antallet af Kanban (kort, kasser, ?) via en struktureret formel. Alternativet til beregning er eksempelvis, at man tæller de fysiske kasser i reoler og tilpasser ud fra om antallet af kasser er stigende/faldende (læs mere om det simple Kanban-princip her).

Husk løbende genberegning af lagre

Og husk – at lagerberegning er en løbende disciplin. Specielt hvis I har stor skiftende afsætning på vareniveau. Typisk anbefaler jeg en ny beregning hvert kvartal.
Hvis I virkelig begynder at stole på beregningerne, så lader I efterfølgende blot data uploade i jeres ERP-system.

Struktureret ABC-produktkategorisering styrker lagerberegninger

Når man regner et lagerniveau struktureret, så anvendes en såkaldt Z-værdi til at angive et ønsket serviceniveau (læs mere i bilag A – direkte link). Men ofte ønsker man ikke samme serviceniveau på alle varer. Nogle er vigtigere end andre.

Her bør man anvende produktkategorisering – eller ABC-kategorisering. Overordnet går det ud på følgende:

• Kunderne kategoriseres i ABC
• Salgsvarer kategoriseres i ABC – i sammenhæng med kundernes ABC. Eks. kan en C-vare godt ende som A-vare, hvis den indgår sammen med andre varer til en A-kunde. Tommelfingerreglen er, at A-varerne maksimalt må udgøre eks. 80% af omsætningen, B-varerne 15% og C-varerne 5%. Omvendt vil A-varerne typisk kun udgøre 20% af produktprogrammet – her ser man ofte 80/20-reglen i praksis.
• Nu nedbrydes ABC på salgsvarer ned til mellem- og råvarer. Også her i ABC (eller flere – hvis behovet er der). Igen bør A-varer kun udgøre 80% af omsætningen – eller produktionstiden.
• Og i sidste ende bør ABC også nedbrydes til leverandører.

Formål med ABC

• Det rette på lager. Eks. A-varer med 97% service, B-varer med 90% service og C-varer laves kun til ordre.
• Produktionen planlægger ud fra ABC. Så hvis der er mangel på kapacitet, så udskydes C-ordrer. Derfor bør C-varerne også udgøre en brugbar volumen – ellers har en udsættelse ingen effekt.
• Indkøb prioriterer også i daglig disponering og strategisk indkøb ud fra ABC.
• Alle KPI’er skal deles op i ABC. Inkl. leveringsevne, lageromsætningshastigheder og omsætning.
• Hele organisationen får på den måde en fælles prioriteringsværktøj – på tværs af funktioner.

Læs mere om ABC produktkategorisering i produktion >

Se her hvordan leveringsevnen forbedres over tid med ABC produktkategorisering:

Og hvordan den samlede lagerbinding samtidig falder:

Læs mere

• De 10 afgørende parametre – der optimerer beregningen af lagerniveauer og genbestillingspunkter >
• Læs mere om ABC produktkategorisering i produktion >
• Om lageromkostninger udgør 15-40% af lagerværdien >
• Om Kanban-lagerstyring >
• Se alle indlæg om Lean Logistik eller Lean Supply Chain >

Dansk Lean Forum

Af Mikkel Smith, Flexkom
Flexkom: Lean konsulenthjælp >
Flexkom Akademi: Lean kursus/uddannelse >

---

Bilag – ekstra info til ovenstående indlæg

Nedenfor uddybende tekst og forklaringer til ovenstående artikel.

Bilag A:

Beregning af sikkerhedslager, forbrugslager og dermed genbestillingspunkter

Fra statistik-teorien har vi, at der kan beregnes sandsynligheder for, at man ex. løber tør på et lager. Der er tale om formler, som tager udgangspunkt i den fordeling som forbruget på en vare har været historisk.
Typisk vil en vare – med et rimeligt forbrug – antage en normalfordelt afsætningskurve (se nedenstående figur 1 i bilag C). Ved en normalfordelt kurve kan lagerniveauet beregnes således:

• Genbestillingspunkt = Forbrugslager + Sikkerhedslager.

Hvor:

• Forbrugslager = Leveringstid x Gennemsnitlig forbrug (husk at regne i samme enheder – ex. uger).
• Sikkerhedslager = Standardafvigelse x Det ønskede serviceniveau x Kvadratroden af leveringstiden (husk igen samme enheder).

Uddybet:

• Forbrugslageret vil dække det gennemsnitlige forbrug i leveringstiden fra leverandøren.
• Sikkerhedslageret vil dække “normale udsving” i aftrækket. Beregning af standardafvigelse kan automatisk ske i Excel. Det ønskede serviceniveau – også kaldet z-værdien – fastlægges strategisk. Z-værdien er et udtryk for, hvor stor en del af arealet under den normalfordelte kurve, der skal dækkes af lageret. Altså fastlægger man strategisk, hvor god en service man ønsker – og dermed også hvor meget man vil binde på lageret. Til lagerberegning bruger man den akkumulerede Z-værdi – se nedenstående “figur 1” – hvor eksempelvis en Z-værdi på 2 giver en teoretisk servicegrad på 97,7% (i bilag D findes et link til download af Z-værdier). Kvadratroden af leveringstiden medregnes for at kompensere for leveringstiden. Uden denne faktor ville formlen lyde “Standardafvigelse x Det ønskede serviceniveau”. Men hvis standardafvigelsen er beregnet ud fra ex. 12 måneders aftræk (20 dage per periode), skal sikkerhedslagrene reduceres forholdsmæssigt i forhold til leveringstiden. Så hvis leveringstiden i dette tilfælde er 10 arbejdsdage (0,5 måned), så skal man gange med kvadratrod (10/20) = 0,7. Desuden kan man overveje at inkludere en faktor “minimum genbestillingspunkt” for at imødekomme de mange varenumre med lille aftræk. Her vil den rå teoretiske formel næsten altid regne for lavt.

Ovenstående er bl.a. uddybet i kommentarer til artiklen.

Hvordan gør man rent praktisk?

Reelt burde vi kunne lade vore ERP-systemer foretage beregningen. Men virkeligheden er ofte en anden.

Hvis det sker i ERP-systemet, så er det ERP-systemet (Movex, SAP, Navision, C5) som foretager en bestilling. Afhængig af den valgte opsætning i systemet, så vil ERP-systemet typisk foretage en bestilling når det frie lager (fysisk lager minus booket lager) har nået genbestillingspunktet. Dvs. at genbestillingspunktet skal være så højt, at det dækker det normale forbrug i genopfyldningstiden fra leverandøren + “uventede udsving” i forbruget. Den store ulempe ved at lade ERP-systemet beregne er, at det ikke tager én eneste af de op til 10 ekstra parametre med i beregningen. Og dermed vil sandsynligheden for, at den regner forkert – være stor.

Derfor tager de fleste data over i PowerBI, Excel eller Access.

En opskrift kunne ex. være (råvarelager):

1. Download forbrugsdata på samtlige indkøbte råvarer det sidste år. Data skal være i forbrug per uge!
2. Download samtidig leveringstiden fra ERP-systemet per råvare (data skal være pålidelige!).
3. Læg data ind i et Excel regneark.
4. Først beregnes forbrugslageret. Omregn leveringstiden til uger (hvis det ikke er standard). Gang denne værdi med det gennemsnitlige forbrug per uge. Så har du forbrugslageret.
5. Ved beregning af sikkerhedslageret antager vi, at der er tale om et normalfordelt forbrug. Lad Excel beregne standardafgivelsen på forbrugsdataene per uge. Vælg det ønskede serviceniveau fra råvarelageret – ex. 97,7% – og gang standardafvigelsen med 2. Gang til sidst med kvadratroden (brug Excel) af leveringstiden. Så har du det teoretiske sikkerhedslager.
6. Beregn genbestillingspunktet ved at lægge de to tal sammen.
7. Download nu de nuværende data (genbestillingspunkt) fra virksomhedens ERP-system. Prøv at sammenligne data! Resultatet kan være skræmmende!!
8. Husk at evaluere de beregnede data. Hvis der ex. er få data på et varenummer, vil der sandsynligvis ikke være tale om en normalfordelt afsætning – og dermed vil beregningen være behæftet med fejl. Men husk samtidig, at der måske slet ikke skal være lager hvis der er få data. Til at beslutte hvilke varer der skal være på de enkelte lagre bør man foretage en produktkategorisering (ABC-kategorisering) eller download en præsentation af produktkategorisering).

Yderligere data i lagerberegning

Udover ovenstående kan følgende have indflydelse på jeres beregninger:

• Der er én ”fare” ved formlen. Det er, at den baserer sig på enkeltstyksordrer. Altså at jeres leverandører sender det ønskede antal hver uge – uanset ordrestørrelse. Det gør de sikkert ikke. Så måske skal I også tage højde for ”pack size” eller ”minimum order size”.
• En anden ting er, at I sikkert også har stigende/faldende salgsforventninger til det enkelte produkt eller familie. Derfor kan en form for trend/forecast også være relevant.
• Hvis I har sæson på jeres salg, så bør dette også medregnes/kompenseres. Husk at forskyde med leveringstiden fra leverandører.
• Hvis man virkelig skal ramme det ønskede serviceniveau, så bør man også kompensere hvis jeres leverandører har et lavere serviceniveau end 100%. Ellers holder beregningerne ikke.
• Mange anvender det samme serviceniveau for alle varer. Har I samme mål om service på alle varer? Ofte laver man ABCD-niveauer – og definerer serviceniveauet derefter.
• Husk at formlen er baseret på en normalfordelt afsætningskurve. Varer uden en sådan vil reelt få et forkert tal. Tag eks. en vare med 15 uger med salg – og andre ca. 37 uger uden salg. Her kan beregningen vise 100 stk. på lager. Men måske har I et salg på 200 stk. i de 15 uger. Så hjælper beregningen ikke. Her beregner man ofte mere ud fra enkeltugernes afsætning – og tager den 2. eller 3. højeste uge (med forbehold for ”afstanden” imellem ugerne med salg).

 

Bilag B:

Hvad hvis vores produkter ikke har en normalfordelt afsætningskurve?

Normalfordelt afsætning er ofte mere teori en praktisk virkelighed. Reelt har mange store udsving og måske slet ikke tilnærmelsesvis en normalfordelt afsætningskurve. Her kan en anden metode være mere nyttig.

Én ting er, om afsætningen er normalfordelt. For mange varer er problemet mere, at man måske kun har tale for 4 af årets 12 måneder. Så hvordan beregner man lager for varer, som kun har få ordrer om året (hvis man ikke kan droppe lageret på disse varer)?

Den anden metode er:
Produkter eks. med færre end 20 uger med afsætning = Lav en beregning, hvor I i højere grad kigger på afsætning per uge – og eks. fjerner de 2 største afsætningsuger. Her vil I så lægge lagerniveauet på den 3. største salgsuge.
Produkter med færre end 5 afsætningsuger = Skal de have lager? Hvis ja – tag eks. gennemsnittet af de 3 største afsætningsuger.

Eksempel:
En vare har 7 afsætningsuger om året. Afsætningstallene for de 7 uger uge er (i rækkefølge): 19, 24, 34, 39, 55, 59, 69
Hvis I ønsker 100% service, så bør I lægge lageret på 69 styk. Hvis I ønsker 80% service, så skal I ramme 6 ud af 7 ordrer = 59 styk. Hvis I ønsker 50% service, så skal I have et lager på 39 styk osv. En meget simpel metode.
Se desuden svar på et spørgsmål i kommentarfeltet under artiklen nedenfor (under den 18. januar 2018).

 

Bilag C:

Figur 1 – normalfordelingskurven

 

Figur: Normalfordeling og akkumulerede Z-værdier:

 

Bilag D:

Downloads

I svar (kommentar) den 30. juli 2012 henvises til et regneark og en z-værdi skema. Disse kan downloades her:
2012-07-30_StdAfv-Beregning
Statistik Z-værdier/values

 

Kommentarer til dette indlæg

Læs kommentarer til dette indlæg nedenfor – hvor der yderligere er info om beregning af lagre.
Beregning af lagerniveauer – kommentarer >