I tidigare artiklar har vi gått igenom hur ABC-klassificering hjälper företag att prioritera lagerartiklar utifrån deras ekonomiska värde. Metoden är ett beprövat verktyg för lagerstyrning som gör det enklare att fokusera på de artiklar som har störst påverkan på kapitalbindning, tillgänglighet och lönsamhet.
Trots sina styrkor har ABC-klassificering en viktig begränsning. Modellen bygger på en enda dimension, artikelns värde, och tar inte hänsyn till hur efterfrågan varierar över tid. Två artiklar med samma försäljningsvärde kan därför ha helt olika förutsättningar när det gäller prognoser, säkerhetslager och påfyllnadsstrategier.
Efterfrågans förutsägbarhet är en avgörande faktor för effektiv lageroptimering. Vissa artiklar har en stabil och lättprognosticerad efterfrågan, medan andra kännetecknas av stora variationer och är betydligt svårare att planera. Att behandla dessa artiklar på samma sätt leder ofta till onödigt hög kapitalbindning eller ökad risk för lagerbrist.
Det är här ABC XYZ-analys kommer in. ABC XYZ‑analys är en metod för lageroptimering där produkter klassificeras både efter ekonomiskt värde (ABC) och hur förutsägbar efterfrågan är (XYZ). Genom att kombinera artikelns ekonomiska värde med hur förutsägbar efterfrågan är får du en mer träffsäker lagerklassificering. Resultatet är bättre beslutsunderlag för lageroptimering, mer precisa prognoser och en lagerstrategi som är anpassad efter varje artikels verkliga beteende.
XYZ-analys är ett ramverk som klassificerar produkter baserat på hur stabil eller varierande efterfrågan är:
Just Z-artiklar kopplas ofta till intermittent eller ”lumpy” demand, ett område som kräver särskilda metoder och verktyg för att hanteras effektivt. Det fördjupar vi oss i ett separat blogginlägg.

ABC XYZ‑klassificering kan användas som underlag i lagerstyrningen för att sätta optimala beställningsrutiner och servicenivåer.
Till exempel kan företag välja att investera mer i X‑artiklar, de produkter som används regelbundet och samtidigt minska investeringarna i Y‑ och Z‑artiklar för att undvika överlager och risken för inkurans.
Eftersom X‑artiklar har låg efterfrågevariation och är enklare att prognosticera bör de beställas oftast. Y‑artiklar påverkas av fler faktorer och bör därför beställas mer sällan, beroende på variationen i efterfrågan. Den höga efterfrågevolatiliteten för Z‑artiklar innebär att de bör beställas minst frekvent.
Lagerpolicyer avgör vilka artiklar som ska lagerhållas och vilka som inte ska lagerföras. Genom att använda ABC XYZ‑analys kan du ta fram en lagerpolicymatris som hjälper dig att:

För att beräkna prognostiserbarhet eller efterfrågevariation för en artikel behöver du:
I statistiska termer kan efterfrågevariation uttryckas som variationskoefficienten.
För att kategorisera dina produkter som X, Y och Z:
När dina ABC‑ och XYZ‑kategorier är identifierade kan du ta fram en matris, som i exemplet nedan, och placera varje grupp.

Genom att lägga till ytterligare ett analyslager i din lagerklassificering får du bättre beslutsunderlag för både beställningar och lagernivåer. Det är till exempel rimligt att hantera värdefulla AX‑artiklar med stabil efterfrågan på ett annat sätt än AZ‑artiklar med oregelbunden efterfrågan. När efterfrågan är jämn och lätt att prognosticera (X‑artiklar) kan du arbeta med lägre säkerhetslager jämfört med produkter där efterfrågan varierar mer kraftigt (Z‑artiklar).
ABC XYZ-analys ger ett betydligt bättre beslutsunderlag än en traditionell ABC-klassificering eftersom den tar hänsyn till både artikelvärde och efterfrågans variation. Samtidigt kan det bli både tidskrävande och svårt att hålla analysen uppdaterad om den hanteras manuellt i kalkylblad. När försäljningsmönster förändras behöver artiklar omklassificeras löpande för att lagerstyrningen ska fortsätta vara effektiv.
Genom att automatisera ABC XYZ-analysen kan företag säkerställa att lagerklassificeringen alltid bygger på aktuell data. Det ger bättre förutsättningar att optimera lagernivåer, förbättra prognoser, minska kapitalbindningen och bibehålla en hög servicegrad – utan omfattande manuellt arbete.
EazyStock automatiserar hela processen genom att klassificera lagerartiklar utifrån flera faktorer, bland annat efterfrågans variation, försäljningsfrekvens, antal plock och årligt förbrukningsvärde. Systemet analyserar och uppdaterar klassificeringen kontinuerligt, vilket gör att varje artikel kan styras enligt den lagerpolicy som bäst motsvarar dess aktuella efterfrågemönster.
Vill du veta hur EazyStock kan hjälpa dig att automatisera lageroptimeringen och få större nytta av din ABC XYZ-analys?
Boka en demo eller kontakta oss så berättar vi mer.
ABC och XYZ är delar av samma klassificeringsanalys, där XYZ tillför fler dimensioner. ABC‑klassificering är endimensionell och kan bli förenklad, eftersom den prioriterar artiklar enbart utifrån deras värde. Det påverkar både vilka artiklar som lagerförs och var fokus läggs. XYZ‑analys hjälper till att klassificera produkter baserat på variationen i efterfrågan.
ABC XYZ‑analys används som stöd i lagerstyrningen för att sätta optimala beställningsrutiner och servicenivåer.
Börja med att beräkna din ABC‑analys (årligt förbrukningsvärde) och beräkna därefter efterfrågevariation:
Sätt gränserna för varje kategori
XYZ-analys mäter volatilitet genom att klassificera lagerartiklar baserat på hur konsekvent efterfrågan är över tid, med hjälp av standardavvikelsen dividerad med medelvärdet. Artiklarna klassificeras som:
En ABC XYZ-analys bör normalt genomföras kvartalsvis för att säkerställa att förändringar i efterfrågan och artikelklassificering fångas upp i tid. Om större förändringar sker, exempelvis i efterfrågan, inköpspriser eller leverantörernas leveransförmåga, bör analysen uppdateras oftare.
Det är också viktigt att följa upp artiklar med hög omsättning, stora variationer i efterfrågan eller tydliga säsongsmönster mer regelbundet, eftersom dessa har störst påverkan på lagerprestandan.
Eftersom manuella analyser i kalkylblad kan vara både tidskrävande och svåra att hålla uppdaterade väljer många företag att automatisera processen. Med ett lageroptimeringssystem som kontinuerligt omklassificerar artiklar utifrån aktuell data kan du lägga mindre tid på administration och mer tid på att fatta bättre beslut om lagerstyrning.
AX‑artiklar har högt försäljningsvärde och konstant efterfrågan, vilket gör dem till de mest affärskritiska produkterna. Den bästa lagerstrategin är att följa upp dessa artiklar noggrant och använda automatisering för att maximera tillgängligheten samtidigt som lagerinvesteringen hålls så låg som möjligt.
CZ‑artiklar anses vara de mest svårhanterliga eftersom de uppvisar störst variation i efterfrågan, vilket gör det mycket svårt att ta fram träffsäkra prognoser – särskilt vid användning av manuella prognosmetoder. Programvara för lageroptimering använder avancerade algoritmer för att förbättra prognosprecisionen för CZ‑artiklar och därigenom säkerställa balanserade lagernivåer.
Felaktiga prognoser ökar risken för obalanserade lagernivåer, inkurans och restorder. Överlager leder till högre lagerhållningskostnader och bundet kapital, medan bristsituationer resulterar i sämre kundservice och en ökad risk för att kunder vänder sig till alternativa leverantörer.
ABC XYZ-analys ger bättre insikt i lagret och möjliggör datadrivna beslut kring beställning och lagerhållning. Genom att använda ABC XYZ‑analys som grund för lagerpolicyer kan dessa anpassas efter varje artikelgrupp. I stället för att hålla säkerhetslager för alla artiklar kan du anpassa säkerhetslagernivåerna efter respektive ABC XYZ‑profil. Till exempel kräver AX‑artiklar lägre buffertar än Z‑artiklar, som har oregelbunden och volatil efterfrågan.
Med en bättre förståelse för efterfrågevariation genom XYZ‑analys kan företag bättre förutse behov och minska onödiga säkerhetslager för artiklar med svårförutsägbar efterfrågan.
Genom att optimera resursallokeringen kan lagerorganisationer fokusera insatserna på artiklar med störst påverkan (AX, AY), samtidigt som säkerhetslagernivåerna kan reduceras för mindre kritiska artiklar med låg omsättning.