Att bestämma lämpliga lagernivåer i ett företag kan vara en väldigt utmanande uppgift. Om du har för mycket lager riskerar du att binda upp kapital som istället kunnat används i verksamheten. Men med för låg lagertillgänglighet riskerar du istället lagerbrist och försämrade servicenivåer.
En viktig pusselbit i detta är att noggrant beräkna ut och bestämma säkerhetslagernivåer.
Säkerhetslager definieras som artiklar som lagerhålls för att förhindra lagerbrist orsakade av fluktuerande kundefterfrågan, prognostiserade felaktigheter eller variationer i ledtider.
Det är helt enkelt en “buffert” och extranivå av artiklar som lagerförs för att täcka avvikelser i efterfrågan eller uteblivna leveranser.
Säkerhetslager är även ett nyckeltal för att beräkna den optimala beställningspunkten:
Syftet med säkerhetslager (även kallat buffertlager) är att minimera störningar i återanskaffning, samtidigt som man investerar i lägsta möjliga kapital.
Att beräkna säkerhetslager kan vara så enkelt eller komplicerat som du gör det. Nedan har vi sammanställt tre enklare metoder för beräkning av säkerhetslager och diskuterar några av fördelarna och nackdelarna med vardera av metoderna.
Att sätta en fast nivå för sitt säkerhetslager är en bedömningsmetod som karakteriseras av att säkerhetslagerkvantiteten uppskattas på mer eller mindre intuitiva och erfarenhetsmässiga grunder. Ofta sätts ett fast säkerhetslagervärde per artikel som inte är baserat på några formella beräkningar.
Låt oss presentera Mary’s Plumbing Warehouse för att visa med ett exempel. Mary har granskat föregående månads försäljning och använt dessa siffror för att sätta sin prognos för de kommande fyra veckorna:
Hon kunde nu helt enkelt bestämma sig för att ha en veckas säkerhetslager för varje artikel, baserat på förra månadens högsta försäljningsvecka som hennes säkerhetslager, t.ex. 650, 300 respektive 700.
Detta tillvägagångssätt är lätt att sätta upp och hantera, men leder ofta till lagerobalans. Till exempel riskerar Mary att bygga upp ett onödigt överlager av Showerhead C, medan hon står med lagerbrist på Showerhead B.
Nackdelar:
En tidsbaserad beräkning av säkerhetslager hittar den genomsnittliga försäljningen under en bestämd tidsperiod och använder detta värde som säkerhetslagernivå.
Till exempel, om Mary använder sina genomsnittliga veckoprognoser (baserade på förra månadens försäljning) för att beräkna säkerhetslager, skulle hon sluta med 525 enheter i säkerhetslager av Showerhead A, 250 extra enheter av Showerhead B och 475 enheter av Showerhead C.
Men precis som med att använda metoden med fast säkerhetslager kan tidsbaserade beräkningar också ofta leda till att man över- eller under beställer.
En anledning till detta är att båda tillvägagångssätten antar att den prognostiserade efterfrågan kommer att vara korrekt och att ledtiderna förblir konsekventa. Verkligenheten kan såklart se väldigt annorlunda ut.
Till att börja med leder efterfrågan utifrån enbart historisk försäljning ofta till felaktiga prognoser – läs mer här.
Varje SKU i ditt lager har ett unikt efterfrågemönster, vissa kommer att ha en jämn efterfrågan, andra kommer att vara ha en mer ”lumpy”eller oregelbunden efterfrågan. Prognoser baserade på enbart historisk konsumtion tar inte detta i beaktning.
Samtidigt kan ledtiderna vara inkonsekventa på grund av en rad problem, såsom produktionsstopp eller leveransförseningar.
Per definition så kommer metoden ”en storlek passar alla” för att beräkna säkerhetslager till viss del att beräkna ut rätt mängd artiklar för vissa varor, men för mycket eller för lite för andra. Vilket kan leda till höga lagerkostnader och/eller inkonsekventa servicenivåer.
Nackdelar:
Detta kan ses om vi tittar på varje lagervara i tur och ordning.
Marys prognoser visar att efterfrågan på Showerhead C kan vara mycket mer oberäknelig än A eller B, men bestämmer sig ändå för att använda sin genomsnittliga veckoefterfrågan som hennes säkerhetslagerkvantitet.
Som vi kan se återspeglas det i de faktiska försäljningssiffrorna:
För artikeln Showerhead A är den faktiska försäljningen högre än den prognostiserade, men säkerhetslagret gör sitt jobb genom att tillhandahålla tillräckligt med lager för att täcka ökningen i efterfrågan med sina 295 artiklar i säkerhetslager kvar.
För Showerhead B är den faktiska försäljningen något under prognosen, så ett överskott på 290 enheter återstår, bestående av 250 enheter säkerhetslager men också 40 enheter överlager, vilket binder upp välbehövligt kapital i onödan. .
För Showerhead C är den faktisk försäljning mycket högre än den förutspådda prognosen, och säkerhetslagret klarar inte av att täcka upp för den faktiska efterfrågan vilket gör att under vecka fyra ligger artikeln med brist på 25 enheter. Detta leder till lagerbrist och ett antal dyra restordrar.
För produkter vars efterfrågan är mer oregelbunden krävs högre nivåer av säkerhetslager, men hur räknar man ut den optimala nivån?
En mer försiktig beräkning är att använda en formel för medel/max säkerhetslager som tar hänsyn till när ledtiderna stiger och försäljningen är som högst.
Marys genomsnittliga ledtid är en vecka men den kan även vara så hög som 1,5 veckor. Med hjälp av denna information och hennes försäljningsdata från förra månaden kan hon räkna ut säkerhetslager för varje SKU av Showerhead:
Showerhead A: (630 x 1.5) – (582.50 x 1) = 362.50 enheter
Showerhead B (300 x 1.5) – (240 x 1) = 210 enheter
Showerhead C (900 x 1.5) – (600 x 1) = 750 enheter
Problem uppstår med denna formel om den maximala ledtiden och försäljningen är avsevärt högre än genomsnittet, vilket resulterar i att nivåerna på säkerhetslagret blir kraftigt upphöjda.
Nackdelar:
Som vi har sett, när efterfrågan är konsekvent och ledtiderna är tillförlitliga, är det ganska lätt att fastställa säkerhetslagernivåer. Men när efterfrågan och utbud fluktuerar, blir det mycket mer utmanande att beräkna ut ett exakt säkerhetslager.
Alltför ofta väljs enkla formler för säkerhetslager, som är otillräckliga för att hantera de utmaningar som man står inför med utbud och efterfrågan.
Statistiska beräkningar för säkerhetslager övervinner många av nackdelarna med de tre metoderna ovan. Istället för att använda historisk konsumtions- eller försäljningsdata för att beräkna prognosen använder man statistiska beräkningar sannolikhetsfördelningar för att modellera efterfrågan och tar hänsyn till variationer.
Ett tillvägagångssätt som utgår från sannolikhet för att räkna ut säkerhetslager accepterar att det finns osäkerhet när man gör antaganden om framtida händelser, såsom efterfrågevolym och frekvens, och tillgodoser detta genom att täcka upp för en procentandel av alla möjliga lagerbehov.
Även om beräkningarna av säkerhetslager med statistiska medoder blir mer komplicerade, är de mycket mer exakta eftersom de tar hänsyn till servicenivåer, prognosnoggrannhet/fel och ledtidsvariabilitet.
Om detta låter som ditt nästa steg för att förbättra hur du beräknar säkerhetslager, ladda ner vår ebook som går in mer i detalj om hur man använder statistiska säkerhetslagerformler.
Fördelar:
Nackdelar
Ju mer exakt du kan göra dina beräkningar av säkerhetslager, desto mindre sannolikt är det att du kommer att uppleva lagerbrist eller bygga upp överlager.
Eftersom att köpa inventarier innebär kapitalbindning är det viktigt att beräkna säkerhetslagernivåer så noggrant som möjligt.
Många företag använder förenklade metoder för att beräkna säkerhetslager på bekostnad av noggrannhet. Grundformler fungerar bra när efterfrågan och ledtider är konsekventa, men i verkligheten är så ofta inte fallet.
Istället kommer en sund, statistisk metod för beräkningar av säkerhetslager att leverera de nödvändiga lagernivåerna för att balansera de motstridiga målen att maximera kundservice och minimera lagerkostnad.
För att förstå mer om hur EazyStocks lageroptimeringsmjukvara kan hjälpa till att säkerställa att du har korrekta säkerhetslagernivåer så kan du begära en demo redan idag.