Utveckling av ett automatiskt lagerstyrningssystem för e-handel

Utveckling av ett automatiskt lagerstyrningssystem för e-handel Examensarbete vid Institutionen för teknisk ekonomi och logistik avdelningen för produktionsekonomi, Lunds Tekniska Högskola Handledare: Patrik Tydesjö Peter Fors Martin Ingwall 16 mars 2004

Sammanfattning För handelsföretag är lagret en av de största investeringarna. För att erhålla en låg kapitalbindning är det viktigt med en effektiv lagerstyrning. Trots detta saknar många små- och medelstora företag bra hjälpmedel för detta. En annan iakttagelse är att Internets betydelse som försäljningskanal under senare år har ökat. Ett lagerstyrningssystem som kan integreras med e-handelssystem är därför önskvärt. Denna rapport beskriver utvecklingen av ett modernt, lättintegrerat och automatiskt lagerstyrningssystem som lämpar sig speciellt väl för e-handel. De senaste teknikerna inom mjukvaruutveckling har använts för att skapa ett effektivt och flexibelt system. Kommunikation med e-handelssystem sker via en webbtjänst (eng. web service) vilket möjliggör integration över Internet. Automatiken uppnås genom att systemet använder försäljningshistorik för att bland ett flertal olika prognostiseringsmetoder välja den mest lämpade. Tillförlitligheten hos prognoserna utvärderas kontinuerligt och om det anses nödvändigt byter systemet till en mer lämplig prognostiseringsmetod. Prognoserna ligger sedan till grund när systemet utifrån detta rekommenderar när och i vilken kvantitet en artikel ska beställas från leverantör. Systemet erbjuder även gruppering av artiklar enligt ABC-klassificering och ökad kontroll av ledtider. I rapporten föreslås dessutom en variant av Holt-Winters säsongsmetod. Denna modifiering tillåter nollor i säsongsindex och kan därmed vara användbar för artiklar som har större delen av sin försäljning under en kort period. Detta leder även till att kortare periodlängder än vad som annars skulle vara fallet med den ursprungliga Holt-Winters metod kan användas. Simulering visar att det utvecklade lagerstyrningssystemet fungerar väl och skulle kunna effektivisera lagerstyrningen hos många företag. Speciellt visas hur ett besökt grossistföretag skulle kunna förbättra sin lagerstyrning med hjälp av detta system.

Abstract Inventories are one of the largest investments made by trading companies and as a result an effective inventory control is important to obtain a low opportunity cost of capital for the carried items. Despite this, many small and middle sized companies lack access to a high-quality tool for this purpose. The past few years have also showed that the Internet as a sales channel has become of greater importance. An inventory control system that can be integrated into an e-commerce system is therefore highly desirable. This thesis describes the development of a modern, easily integrated and automatic inventory control system, particularly well suited for e-commerce. The latest technologies have been used to create an efficient and flexible system. The communication with the e-commerce system is performed through the use of a web service, enabling integration over the Internet. The automatic behaviour is attained by a feature in which the system analyses the statistics of past sales to determine the most suitable among a variety of forecasting methods. The accuracy of the forecasts is continuously reviewed and the system will automatically change forecasting method if necessary. Based on the forecasts, the system will then make a recommendation for when and in what quantity an article should be ordered from its supplier. The system also offers grouping of articles according to the ABC classification or similar and provides functionality for extended control of supplier lead times. In addition, the thesis suggests a modification of the Holt-Winters seasonal forecasting method. This modification allows a value of zero for the seasonal indices and can therefore be used for articles with the majority of their sales occurring during a short period of time each year. This modification also allows shorter forecasting period lengths than with the original Holt-Winters method. Simulations show that the developed system works very well in practice and could be used to make the inventory control more effective at many companies. The thesis exemplifies this by exploring how the system could be used to improve the inventory control at a visited trading company.

Förord Examensarbetet som presenteras i denna rapport är gjort som det sista momentet i författarnas civilingenjörsutbildning i datateknik vid Lunds Tekniska Högskola. Då författarna har följt en avslutning i industriell ekonomi var önskemålet att få utföra ett tvärvetenskapligt examensarbete som innefattar kunskaper förvärvade både från industriell ekonomi-avslutningen och moderprogrammet datateknik. Examensarbetet uppfyller detta önskemål genom att realisera teorier för lagerstyrning med hjälp av kunskaper inom mjukvaruutveckling. Tonvikten och fördjupningen i examensarbetet ligger dock inom lagerstyrning. Examensarbetet har utförts vid avdelningen för produktionsekonomi i samarbete med IT-företaget Alien Interactive AB i Lund. Arbetet har varit intressant och utmanande. Det har dessutom varit utvecklande att göra ett examensarbete som resulterat i något praktiskt användbart. Målgruppen för rapporten är studenter nära civilingenjörsexamen med kunskaper inom lagerstyrning men ej nödvändigtvis datateknik. Tack till vår handledare vid avdelningen för produktionsekonomi Patrik Tydesjö för givande diskussioner och för att du alltid tog dig tid. Tack även till Bertil I. Nilsson för inspirerande samtal. Sist men inte minst ett tack till Martin Ericsson på Alien Interactive AB för samarbetet. Författarna Lund, mars 2004 I

Innehåll 1 Introduktion 1 1.1 Bakgrund............................. 1 1.2 Problemformulering........................ 3 1.3 Syfte med rapporten....................... 3 1.4 Disposition............................ 3 1.5 Metod............................... 5 1.6 Behovsundersökning....................... 6 2 Prognostisering 9 2.1 Vad är prognostisering?...................... 9 2.2 Modeller.............................. 10 2.2.1 Prognostisering i lagerstyrning.............. 10 2.2.2 Pegels klassificering.................... 11 2.2.3 Enkel exponentiell utjämning.............. 12 2.2.4 Trigg & Leachs adaptiva metod............. 14 2.2.5 Utjämning med trend och/eller säsong......... 15 2.2.6 Initiering.......................... 17 2.2.7 Exponentiell utjämning på generell form........ 19 2.2.8 Tillståndsmodeller.................... 19 2.3 Prognosfel............................. 23 2.3.1 Varians.......................... 23 2.3.2 MAD............................ 24 2.3.3 MSE............................ 25 2.4 Optimering av modellparametrar................ 25 III

2.4.1 Maximum likelihood................... 25 2.5 Modellval............................. 26 2.5.1 AIC............................ 27 2.6 Prognosuppföljning........................ 27 3 Lagerstyrning 29 3.1 Enkla lager............................ 29 3.2 Varför lagerstyrning?....................... 30 3.3 Beordringssystem......................... 31 3.4 Wilson-formeln.......................... 32 3.5 Säkerhetslager........................... 36 3.6 Sambeställning.......................... 40 3.7 ABC-klassificering........................ 40 4 Design och implementering 43 4.1 Teknisk plattform......................... 43 4.2 Programdesign.......................... 46 4.2.1 Designlager........................ 46 4.2.2 UML-metodik....................... 47 4.2.3 Databasdesign....................... 50 4.3 Prognossystemet......................... 51 4.3.1 Prognosmetoder...................... 51 4.3.2 Gruppering av efterfrågan................ 53 4.3.3 Registrering av ledtiden................. 55 4.3.4 Efterfrågan under ledtiden................ 55 4.3.5 Prognosfel......................... 57 4.3.6 Automatisering av prognostisering............ 59 4.3.7 Att finna den bästa prognosmetoden.......... 61 4.4 Lageroptimeringssystemet.................... 63 4.5 Funktionalitet........................... 65 4.6 Omfattning............................ 68 5 Simulering och test 69 5.1 Avgränsningar........................... 69 IV

5.2 Prognostisering.......................... 70 5.2.1 Inledning......................... 70 5.2.2 Artikel Adam....................... 70 5.2.3 Artikel Berit........................ 73 5.2.4 Artikel Caesar....................... 75 5.2.5 Byte av prognosmetod.................. 77 5.3 Lagerstyrning........................... 80 5.3.1 Inledning......................... 80 5.3.2 Simulering......................... 80 5.3.3 Resultat.......................... 82 6 Analys 85 6.1 Prognostisering.......................... 85 6.1.1 Adam, Berit och Caesar................. 85 6.1.2 Byte av prognosmetod.................. 87 6.2 Lagerstyrning........................... 89 6.3 Grossistföretagets situation.................... 91 7 Slutsats och vidare utveckling 93 7.1 Slutsats.............................. 93 7.2 Vidare utveckling......................... 95 A Övriga figurer för Adam, Berit och Caesar 99 V

Figurer 1.1 Informationsflödet genom lagerstyrningssystemet........ 4 1.2 Den arbetsprocess som har följts under examensarbetets gång och motsvarande kapitel i rapporten............... 5 1.3 Modellbeskrivning och implementation av lagerstyrning (efter [1])................................. 6 2.1 Pegels klassificering av olika efterfrågemönster (efter [6]).... 12 3.1 Ett (s,s)-system vid kontinuerlig inspektion (efter [1])..... 32 3.2 Lagernivå enligt Wilsons antaganden (efter [1])........ 33 3.3 Lagernivån enligt Wilsons antaganden då restordrar tillåts (efter [1])............................... 35 3.4 Kostnader som funktion av orderkvantitet Q.......... 35 3.5 G-funktionen........................... 39 3.6 ABC-klassificering (efter [10]).................. 41 4.1 Lagerstyrningssystemets interaktion med aktörer........ 45 4.2 Den uppdelning i tre designlager som användes........ 47 4.3 Exempel på ett klassdiagram................... 49 4.4 Exempel på ett sekvensdiagram................. 50 4.5 Utveckling av efterfrågeprognoser under ledtiden vid trend.. 56 4.6 Flödesschema över prognossystemets automatisering...... 60 4.7 Tillvägagångssätt vid sökning av en optimal parameter.... 62 5.1 Försäljning och prognostiserad försäljning för Adam under två år och med periodlängden 14 dagar............... 71 VII

5.2 Säsongsindex för Adam vid en periodlängd på 14 dagar.... 71 5.3 Försäljning och prognostiserad försäljning för Adam under fyra år och med periodlängden 30 dagar............. 72 5.4 Försäljning och prognostiserad försäljning för Berit under två år och med periodlängden 14 dagar............... 73 5.5 Säsongsindex för Berit vid en periodlängd på 14 dagar.... 74 5.6 Försäljning och prognostiserad försäljning för Berit under fyra år och med periodlängden 30 dagar............... 74 5.7 Försäljning och prognostiserad försäljning för Caesar under två år och med periodlängden 14 dagar............. 75 5.8 Försäljning och prognostiserad försäljning för Caesar under fyra år och med periodlängden 30 dagar............ 76 5.9 Försäljning och prognostiserad försäljning för Caesar under fem år och med periodlängden 90 dagar............. 76 5.10 Simulering av ändring i efterfrågemönster............ 78 5.11 Q vid simulering av ändring av efterfrågemönster....... 79 5.12 MAD vid simulering av ändring av efterfrågemönster..... 79 5.13 Absolutbeloppet av spårsignalen vid simulering av ändring av efterfrågemönster......................... 80 5.14 Lagernivåer när systemets rekommendationer följs....... 83 5.15 Försäljning och prognoser vid simulering av lagerstyrning... 84 5.16 MAD vid simulering av lagerstyrning.............. 84 A.1 Histogram över prognosfelen för Adam vid en periodlängd på 14 dagar.............................. 100 A.2 Histogram över prognosfelen för Adam vid en periodlängd på 30 dagar.............................. 100 A.3 Histogram över prognosfelen för Berit vid en periodlängd på 14 dagar.............................. 101 A.4 Histogram över prognosfelen för Berit vid en periodlängd på 30 dagar.............................. 101 A.5 Säsongsindex för Caesar vid en periodlängd på 14 dagar... 102 VIII

A.6 Histogram över prognosfelen för Caesar vid en periodlängd på 14 dagar.............................. 102 A.7 Säsongsindex för Caesar vid en periodlängd på 30 dagar... 103 A.8 Histogram över prognosfelen för Caesar vid en periodlängd på 30 dagar.............................. 103 A.9 Säsongsindex för Caesar vid en periodlängd på 90 dagar... 104 A.10 Histogram över prognosfelen för Caesar vid en periodlängd på 90 dagar.............................. 104 IX

Tabeller 2.1 Formler för exponentiell utjämning för olika efterfrågestrukturer (källa: [4])............................. 20 2.2 Formler för exponentiell utjämning för olika efterfrågestrukturer uttryckt på tillståndsform och förutsatt additivt fel (källa: [4]) 22 5.1 Resultat för periodlängd 14 respektive 30 dagar för artikel Adam 72 5.2 Resultat för periodlängd 14 respektive 30 dagar för artikel Berit 74 5.3 Resultat för periodlängd 14, 30 respektive 90 dagar för artikel Caesar............................... 77 5.4 De parametrar och värden som valdes för lagerstyrningssimuleringen.............................. 81 XI

Kapitel 1 Introduktion 1.1 Bakgrund Varor i lager är en av de största kapitalbindningarna för många företag. En typ av företag där lager spelar en viktig roll är de så kallade handelsföretagen. De är företag som köper varor från ett antal olika leverantörer och säljer varorna vidare från sitt eget lager. De har med andra ord ingen egen produktion. Antalet olika varor som lagerhålls är ofta stort och det är inte ovanligt att det rör sig om tusentals artiklar. Med så många artiklar i lager ökar behovet av lagerstyrning. Lagerstyrningens syfte är att frigöra kapital och resurser genom att ge upphov till lagom stora lager. Det är viktigt för lagerhållande företag att kunna tillgodose kunders efterfrågan och erbjuda en hög servicenivå. Detta samtidigt som företaget inte vill binda onödigt mycket kapital i stora lager. Lagerstyrningen balanserar kostnaden för lagerhållning mot förmågan att kunna möta kundernas efterfrågan. Den uppfattning om hur lagerstyrningen praktiskt går till på små- och medelstora handelsföretag som författarna utgick från kommer nu att presenteras. Denna uppfattning bekräftades vid en djupintervju hos ett grossistföretag som senare kommer att beskrivas. I de stora affärssystemen finns det ofta hjälpmedel för att hantera lager. Här ingår bland annat försäljningsprognoser och rekommenderade beställ- 1

KAPITEL 1. INTRODUKTION ningskvantiteter. Dessa affärssystem är dyra och erbjuder ofta funktionalitet för komplicerade lagerstrukturer och tillverkande företag. Små och medelstora företag använder sig i regel av ekonomisystem som är billigare och där denna funktionalitet saknas. Här begränsas ofta lagerfunktionaliteten till att visa aktuellt lagersaldo. Samtidigt kan den formella kompetensen inom detta område vara begränsad. Det är rimligt att antaga att vissa av dessa företag idag inte har någon uttalad eller avancerad strategi när det gäller lagerstyrning. Beställningar av varor sker rutinmässigt på ett ungefär, där man hellre beställer för mycket än för litet, vilket leder till onödigt stort lager och därmed onödig kapitalbindning. Även om den person som sköter orderläggningen lyckas väl i sina inköp gör bristen på systematik att stor kompetens kan gå förlorad om personen lämnar företaget. Dessutom lägger denna person antagligen onödigt stora resurser på att sammanställa och analysera beslutsunderlag. En attraktiv försäljningskanal för många företag är Internet. Det finns ett antal programvaror som låter ett företag utgå från sitt ekonomisystem och från detta skapa en e-handelslösning. Produkterna som redan är registrerade i ekonomisystemet blir då tillgängliga för försäljning i en webbaffär. Utifrån dessa iakttagelser identifierades ett tomrum. Vad som saknades var en lagerstyrningslösning som är lättintegrerad med ett e-handelssystem. Genom att använda informationen i ett e-handelssystem skulle en lagerstyrningsapplikation kunna göras mer eller mindre automatisk. En stor fördel med integration med e-handelssystemet är att efterfrågan registreras i det ögonblick den verkligen uppkommer, vilket möjliggör en bra lagerstyrning. Därigenom ökar chanserna att systemet blir enkelt att använda och lätt att förstå, och därmed ett naturligt hjälpmedel för företaget. Genom att integrera en lagerstyrningsdel i e-handelslösningen kan företaget göra besparingar. För de flesta praktiska sammanhang finns det bra metoder för lagerstyrning och för många företag kan en förbättrad lagerstyrning ge stora besparingar [1]. 2

1.2. PROBLEMFORMULERING 1.2 Problemformulering Syftet med examensarbetet är att utveckla ett system som ger ett kvalificerat beslutsunderlag för lagerstyrning. Systemet ska vara lättintegrerat i en e-handelslösning och/eller ett företags ekonomisystem och dessutom kräva minimal arbetsinsats och kunskap om lagerstyrning av användaren. För att kunna ge kvalificerat beslutsunderlag för lagerstyrning ska programmet kunna producera försäljningsprognoser. Dessa prognoser ska grunda sig på tidigare försäljningsdata. Systemet ska utan inblandning från användaren själv kunna välja prognostiseringsteknik. Med hjälp av prognoserna ska systemet kunna föreslå när och i vilken kvantitet beställningar ska utföras för samtliga artiklar i systemet. Systemet ska kontinuerligt utvärdera tidigare prognoser för att upptäcka dålig prognostisering, och i dessa fall försöka förbättra sig. För att systemet ska vara lättintegrerat och effektivt ska det vara baserat på modern teknik och moderna utvecklingsmetoder. 1.3 Syfte med rapporten Syftet med denna rapport är att beskriva tillvägagångssättet vid utvecklingen av systemet och den funktionalitet systemet resulterade i. En överblick över intressanta teorier rörande prognostisering och lagerstyrning kommer att beskrivas. De hinder och svårigheter som uppkommer vid den praktiska implementeringen kommer också att förklaras, samt hur dessa hanteras. Vidare kommer förslag på fortsatt utveckling av systemet att ges. 1.4 Disposition Kapitel två ger en översikt av de prognostiseringsmetoder som är lämpliga att använda vid lagerstyrning. Här presenteras också en rad prognosfel som kan vara av intresse. Dessutom anges hur man kan upptäcka att en prognostiseringsmodell i vissa fall inte längre är lämplig för en artikel. Prognoserna i sig kan visserligen vara ett viktigt beslutsunderlag, men 3

KAPITEL 1. INTRODUKTION Data (gamla prognoser, efterfrågan från e- handelssystem etc.) Prognostisering Optimering av lager Prognosuppföljning Figur 1.1: Informationsflödet genom lagerstyrningssystemet. ett ännu mer kvalificerat beslutsunderlag erhålls om man utifrån prognoserna beräknar när och i vilken kvantitet en artikel bör beställas. I kapitel tre beskrivs hur man kan använda prognoserna och prognosfelen från det föregående kapitlet i syfte att optimera lagret. Figur 1.1 åskådliggör hur systemet använder försäljningsdata för att skapa prognoser som i sin tur används för att optimera lagret. Kapitel fyra beskriver sedan utvecklingen och implementeringen av systemet. Här beskrivs metoder som använts för utvecklingen och vilken teori från de föregående kapitlen som har implementerats. Praktiska svårigheter och hur dessa har hanterats beskrivs också. Dessutom presenteras den funktionalitet som systemet efter implementeringen erbjuder. För att undersöka om systemet fungerar utfördes en rad simuleringar och tester. Hur dessa utfördes och vad de fick för resultat beskrivs mer ingående i kapitel fem. Kapitel sex analyserar sedan de resultat som erhölls från det tidigare kapitlet. Här ingår även en analys över hur det besökta företaget skulle kunna dra nytta av lagerstyrningssystemet. Till sist dras några viktiga slutsatser i kapitel sju. Frågeställningen om huruvida systemet beter sig som förväntat besvaras. Dessutom förs en diskussion inom vilka områden som fortsatt forskning och utveckling bör bedrivas. 4

1.5. METOD Kapitel 1 Kapitel 2 & 3 Kapitel 4 Kapitel 5 Kapitel 6 Kapitel 7 Idéstadiet Studier Design Implemen- tering Simulering och test Analys Slutsats Figur 1.2: Den arbetsprocess som har följts under examensarbetets gång och motsvarande kapitel i rapporten. 1.5 Metod Figur 1.2 visar den arbetsprocess som har följts under examensarbetets gång. Arbetet började med en idé om att skapa ett automatiskt lagerstyrningssystem. För att få inspiration och få en verklig bild av behov hos företag utfördes en intervju med ett grossistföretag. Nästa steg var sedan att påbörja litteraturstudier för att få en fördjupad kunskap inom prognostisering och lagerstyrning. Här användes böcker och tidskrifter inom dessa områden. Efter utförda litteraturstudier påbörjades således en design och planering av systemets uppbyggnad. Detta följdes av en implementation enligt designen. Under en implementation uppstår givetvis problem med den ursprungliga designen. Dessutom dyker också nya frågetecken upp angående teorin. Därför är det naturligt att iterera processen och bedriva nya litteraturstudier och utföra ny design. I denna fas av examensarbetet spelade handledaren Patrik Tydesjö en viktig roll i diskussioner om uppkomna problem. Detta resulterade så småningom i en första version av lagerstyrningssystemet. För att undersöka om systemet beter sig som tänkt utsattes det för tester. Med hjälp av dessa upptäcktes felaktigheter i programmet, vilket fick till följd att design och implementation fick revideras ytterligare. Efter dessa itereringar fanns det en fungerande version av programmet. Simuleringar och test av systemet kunde nu utföras och resultaten analyseras. Slutligen kunde slutsatser utifrån dessa dras. Oavsett vilken lagerstyrningsmodell man använder så måste man vara 5

KAPITEL 1. INTRODUKTION Verkligt lagersystem Modellbeskrivning Lagerstyrnings- modell Analys Lagerstyrnings- system Implementering Lagerstyrnings- metoder Figur 1.3: Modellbeskrivning och implementation av lagerstyrning (efter [1]). medveten om att denna bygger på en rad förenklingar av verkligheten. De matematiska modeller som ligger till grund för modellerna kan omöjligtvis beskriva alla aspekter av verkligheten. Det viktiga är att den implementerade lagerstyrningen är effektiv och att resultatet av styrningen är tillfredsställande. Figur 1.3 visar modellbeskrivandet och implementeringen av lagerstyrning. 1.6 Behovsundersökning I början av examensarbetet utfördes en djupintervju med ett grossistföretag. Företaget var samarbetsvilligt men önskade att dess identitet och affärshemligheter för branschen skulle skyddas. Därför kommer företaget här att beskrivas utan dess verkliga namn och utan att avslöja vilken bransch företaget verkar i. Artiklarna som företaget handlar med kommer endast att beskrivas med vissa egenskaper, till exempel efterfrågestruktur och ledtid. Företaget kommer fortsättningsvis att benämnas Grossistföretaget. Grossistföretaget har verkat i sin bransch sedan början av 1990-talet och är ett medelstort företag. Företaget har ett eget lager i anslutning till sina administrativa lokaler. Produkterna som saluförs kommer både från svenska och utländska leverantörer. Ledtiderna för vissa artiklar är mycket långa, i vissa fall upp till två månader. Det är ofta fördelaktigt för Grossistföretaget 6

1.6. BEHOVSUNDERSÖKNING med sambeställning för att minska transportkostnaderna. Detta gäller speciellt vid beställningar från utlandet, då Grossistföretaget strävar efter att fylla ett helt antal containrar. Försäljningen sker uteslutande till andra företag. Marknadsföringen riktas inte enbart mot dessa företag utan Grossistföretaget försöker även påverka slutkunderna. Om en slutkund vänder sig till Grossistföretaget för att köpa en artikel ombeds denna att vända sig till någon av dess återförsäljare. Grossistföretaget har ett stort sortiment, där vissa av produkterna inte är speciellt lönsamma men tillhandahålls för att möta kundernas önskemål. Det framkom även att ett fåtal produkter står för en stor del av omsättningen. Produkterna säljs normalt i förpackningar innehållande flera exemplar av samma artikel, men om en kund så vill kan enskilda enheter levereras. Idag använder sig Grossistföretaget av SPCS Administration 2000, som är ett av de enklare och vanligare ekonomisystemen för små- och medelstora företag. Det största användningsområdet är fakturahantering, redovisning och bokföring. Detta system har ingen funktionalitet för lagerstyrning. Vidare beklagade sig orderläggaren över att programmet var långsamt när det gällde att få ut vissa uppgifter om historisk försäljning etcetera. Grossistföretaget har använt sig av SPCS produkter under en längre tid, vilket medför att det finns gott om försäljningsstatistik för de äldre produkterna. Idag är beställningsförfarandet manuellt där beslutsunderlag hämtas från ekonomisystemet. Beslutsunderlaget är till största delen baserat på historisk försäljning, vilket gör att långsamheten i det befintliga systemet upplevs som väldigt frustrerande. Grossistföretaget uppgav också att beställningarna till stor del utförs med fingertoppskänsla, det vill säga erfarenhet och förmåga att kunna känna av aktuella trender och säsongsvariationer. Eftersom allt detta arbete är manuellt krävs mycket tid och energi för att administrera orderläggningen. Pappershanteringen är stor. En av orderläggarna berättade att han kan vakna på natten och fundera över om han verkligen har utfört alla beställningar. De långa ledtiderna för vissa produkter gör att planering är av stor vikt för att kunna möta kundernas efterfrågan. Situationen kompliceras ytterligare av att många av produkterna är säsongsberoende. Att minska sitt lager för Grossistföretaget är intressant på grund av två 7

KAPITEL 1. INTRODUKTION skäl. Förutom att minska kapitalbindningen i lagret är skälet att lagerutrymmet börjar ta slut. För att kunna expandera krävs att företaget antingen utökar sitt lagerutrymme eller minskar sitt lager genom effektivare lagerstyrning. 8

Kapitel 2 Prognostisering Detta kapitel besvarar frågan vad prognostisering är och hur det i praktiken kan gå till att skapa en prognos. Ett antal viktiga prognostiseringsmetoder kommer att presenteras. Sedan följer en beskrivning av några sätt att mäta prognosfel samt metoder för att utvärdera prognosers tillförlitlighet. 2.1 Vad är prognostisering? Prognostisering handlar om att försöka förutspå en framtida utveckling. En prognos kan vara kvalitativ eller kvantitativ. En kvalitativ prognos bygger på subjektiva uppfattningar från en eller flera personer som besitter djup kunskap om prognostiseringsobjektet. Kvantitativ prognostisering däremot bygger på historisk data och kan användas när [6]: 1. Historisk information finns tillgänglig. 2. Denna information kan kvantifieras som numerisk data. 3. Man kan anta att vissa aspekter av historiska mönster kommer att fortsätta i framtiden. Det som är intressant att prognostisera i detta fall är framtida efterfrågan. Eftersom efterfrågan kan anses uppfylla villkoren ovan och prognossystemet i största mån ska vara automatiserat så kommer kvantitativ prognostisering 9

KAPITEL 2. PROGNOSTISERING här att behandlas. Dessa bygger på statistiska metoder som analyserar historisk data för att bygga en modell som sedan används för att förutspå en framtida utveckling, så kallad tidsserieanalys. Förutom att prognostisera ett värde på efterfrågan är man även intresserad av att veta vilken osäkerhet prognosen är behäftad med. Denna prognososäkerhet kan uttryckas som en fördelning, men vanligare är att man nöjer sig med att ange till exempel variansen och gör antaganden om fördelningen. En prognostiseringsmetod kan vara antingen manuell, adaptiv eller automatisk. En manuell metod kräver att användaren av ett prognossystem själv väljer metod och tillhörande parametrar. Manuell prognostisering kräver stor kunskap av användaren om de tillgängliga metoderna, och vilka av dessa som är lämpliga. Vidare krävs kunskap och erfarenhet om rimliga parametrar och kunskap för att utvärdera prognoserna som erhålles. För att slippa bekymret att välja parametrar kan en adaptiv metod användas. En sådan metod förändrar själv parametrarna utifrån prognoserna och ny indata. Slutligen finns automatiska metoder. En automatisk metod väljer en lämplig metod för en artikel och optimerar parametrarna för denna automatiskt. Prognostiseringen utvärderas sedan och om tröskelvärden överstigs omprövas metodoch parameterval. När parametrarna ska skattas för en automatisk metod krävs tillgång till historisk data. En adaptiv metod har fördelen att kunna använda sig av en initialgissning och sedan anpassa parametrarna vartefter nya observationer sker. När man ägnar sig åt prognostisering är det viktigt att förstå att prognoser ytterst sällan träffar rätt. Det finns alltid en slumpmässig faktor som man inte kan prognostisera. Det ligger därför i prognosernas natur att de i bästa fall är oprecisa och i sämsta fall missledande [10]. 2.2 Modeller 2.2.1 Prognostisering i lagerstyrning En tidsserie är en i tiden ordnad serie av observationer. De tidsserier som är intressanta i detta examensarbete är efterfrågan för de artiklar som lager- 10

2.2. MODELLER hålls. Som beskrevs tidigare är det kvantitativ prognostisering som är av intresse och detta utförs med hjälp av så kallad tidsserieanalys av observerad efterfrågan. Där försöker man hitta samband som beskriver tidsserien och använda dessa för uppskatta en framtida utveckling. De modeller som kommer att presenteras i detta kapitel har valts ut därför att de är de mest vanligt förekommande i lagerstyrningslitteraturen och väl beprövade (se till exempel [1], [10]). Modellerna som kommer att presenteras bygger på så kallad exponentiell utjämning som i praktiken är en effektiv metod som lämpar sig väl när efterfrågan för ett stort antal artiklar ska prognostiseras. Ett mycket vanligt tillvägagångssätt för tidsserieanalys är Box-Jenkinsmetodiken från tidigt 1970-tal (se [6], [8]). Vid lagerstyrning anses dock inte denna metodik särskilt lämplig då den är mer komplicerad och därigenom kräver mer datakraft än de metoder som bygger på exponentiell utjämning. Vidare är metoden svårare att automatisera. Metoden lämpar sig bättre för analys av enstaka tidsserier än för rutinmässig prognostisering av tusentals artiklar. Se till exempel [10] som avråder från Box-Jenkins vid lagerstyrning. Ett stort test av olika prognostiseringsmetoder som utförts (se [9]) visade dessutom att de metoder som bygger på exponentiell utjämning ofta presterar lika bra som de mer statistiskt avancerade metoderna i till exempel Box- Jenkins metodik [5]. 2.2.2 Pegels klassificering Om efterfrågan antages följa vissa historiska mönster är det önskvärt att hitta en modell som beskriver denna historiska process, med förhoppning om att man ska kunna använda denna för att även beskriva framtiden. Det finns olika komponenter som kan ingå i ett efterfrågemönster, till exempel trend och säsongsvariationer. Trend kan beskrivas som en långsiktig systematisk ökning eller minskning av efterfrågan. Säsongsvariationer betyder att en artikels efterfrågan varierar kraftigt med säsong. Ett intuitivt exempel på detta kan vara glass som har större efterfrågan på sommaren. Förutom att bestämma huruvida det finns trend- och/eller säsongsmönster 11