En förklaring av ABC XYZ‑analys för lager och varför den skapar mervärde 

I tidigare bloggar har vi gått igenom fördelarna med ABC-klassificering och hur modellen kan användas för att skapa bättre struktur i lagerstyrningen. För många inventory planning‑team är ABC-analys ett enkelt och effektivt sätt att prioritera rätt artiklar, fokusera på det som verkligen spelar roll, och samtidigt spara tid i det dagliga arbetet.

Men precis som alla modeller har även ABC-klassificering sina begränsningar.

En av de största svagheterna är att ABC bygger på ett endimensionellt synsätt. Artiklar klassificeras främst utifrån sitt värde, vilket i praktiken innebär att andra viktiga faktorer inom lagerstyrning hamnar i skymundan. Faktorer som i hög grad påverkar vilka artiklar du bör ha i lager, och var du bör lägga din tid, riskerar helt enkelt att förbises.

Ett tydligt exempel är efterfrågans förutsägbarhet. Vissa artiklar går att prognosticera med hög precision, medan andra varierar kraftigt jämfört med prognosen. Det är just här som en mer nyanserad segmentering blir värdefull.

För att hantera detta kan du komplettera med ABC XYZ-analys, även kallad ABC XYZ-klassificering. Det är ett sätt att bygga vidare på ABC-modellen och få en djupare förståelse för hur olika artiklar faktiskt beter sig över tid.

Vad är XYZ-analys?

XYZ-analys är ett ramverk som klassificerar produkter baserat på hur stabil eller varierande efterfrågan är:

• X-artiklar har en jämn och regelbunden efterfrågan. Det gör dem relativt enkla att prognosticera och planera för.
• Y-artiklar kännetecknas av större variationer i efterfrågan. Ofta beror det på säsongsmönster, var produkten befinner sig i sin livscykel, förändrat konkurrenstryck eller konjunkturläget. Resultatet? Prognoserna blir mer osäkra.
• Z-artiklar har mycket oregelbunden och svårförutsägbar efterfrågan. Här saknas tydliga trender eller påverkansfaktorer, vilket gör att träffsäkra prognoser i princip är omöjliga.

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 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.

Hur du beräknar ABC XYZ‑lageranalys

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:

• Fokusera på dina viktigaste artiklar.
• Identifiera optimala lagernivåer.
• Synliggöra högriskartiklar.
• Öka effektiviteten.

För att beräkna prognostiserbarhet eller efterfrågevariation för en artikel behöver du:

1. Ta fram den genomsnittliga efterfrågan under en given period. Att sätta en lämplig period för att analysera efterfrågevolatilitet är avgörande för att få så korrekt information som möjligt och ta hänsyn till variationer.
   • Till exempel, om du har artiklar med säsongsbetonad efterfrågan, är det rimligt att inkludera 12 månaders data för att täcka både säsongstoppar och dalar.
2. Beräkna skillnaden mellan efterfrågan vid varje datapunkt och genomsnittet.
3. Kvadrera varje skillnad och beräkna medelvärdet.
4. Efterfrågevariationen är kvadratroten av medelvärdet.

I statistiska termer kan efterfrågevariation uttryckas som variationskoefficienten.

För att kategorisera dina produkter som X, Y och Z:

1. Identifiera de artiklar som ska ingå i analysen.
2. Beräkna variationskoefficienten för varje artikel
   • (standardavvikelse / medelvärde) × 100.
3. Sortera artiklarna i stigande ordning baserat på variationskoefficienten och ackumulera värdena.
4. Sätt gränserna för varje kategori. Till exempel säkerhetslager, minsta beställningspunkter och mål för servicenivåer.

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).

Från ABC XYZ‑analys till automatisering

XYZ‑analys ger ett mer sofistikerat ramverk för lagerklassificering, men eliminerar inte behovet av tidskrävande manuella beräkningar i kalkylblad. Manuella Excel‑ark gör det dessutom svårare att hålla analyserna uppdaterade i takt med att försäljningsvolymer förändras och artiklar förflyttas mellan olika kategorier.v

Ett lageroptimeringsverktyg som EazyStock kan automatisera processen och göra den betydligt mindre betungande. EazyStock klassificerar lagret utifrån flerdimensionella kriterier som efterfrågan, försäljningsfrekvens, antal plock och årligt förbrukningsvärde. Systemet analyserar och omklassificerar lagret automatiskt varje dag, vilket säkerställer att produkterna alltid styrs enligt den mest relevanta lagerpolicyn.

För mer information om EazyStock eller för att boka en demo.