Än idag sitter många och gör beräkningar av lagret med hjälp av Excel. Det kan eventuellt funka om man har ett litet antal produkter i sitt lager, och väldigt enkla leveranskedjor. Men för de allra flesta finns mycket att vinna på att investera i ett ”riktigt” system för lagerplanering- och hantering. Excel är helt enkelt inte gjort för att göra tillförlitliga forecasts. Tvärtom, det bäddar för att det ska bli fel, eftersom det ger stort utrymme för något så förrädiskt som den mänskliga faktorn… Inte sällan ser vi att flera personer är inne och arbetar och gör ändringar i samma fil, och detta gör att det blir väldigt sårbart. Ett fel på ett ställe kommer att påverka alla beräkningar.
Allt manuellt arbete är dessutom tidskrävande. Många som jobbar med lagerplanering vittnar om den mängd arbetstid som ägnas åt att mata in data och att korrigera manuellt uppkomna fel.
Genom att ta hjälp av ett system som är skapat för beräkning av inköp och lager löper man mycket mindre risk för mänskliga fel. Allt finns samlat i samma system, och man undviker således situationen med ett stort antal versioner av samma dokument, som skickas fram och tillbaka. Alla har tillgång till den senaste versionen med uppdaterade siffror. System som använder artificiell intelligens och maskininlärning "lär sig" från tidigare erfarenhet för att producera mer exakta prognoser över tiden. Dessa system har dessutom automatiserade processer – baserade på maskininlärning, som i sin tur grundar sig på en stor mängd data – för att hantera den här sortens arbetsuppgifter. På så sätt frigörs arbetstid, samtidigt som man undviker mänskliga fel. Inköparna kan istället ägna sig åt mer strategiskt arbete, och på så sätt bli mer produktiva och lönsamma.
När man inte kan förutspå framtiden
När man gör sina planer i Excel, baseras beräkningarna rakt av på faktiska värden, dvs det finns inte utrymme för osäkerhet och sannolikhetsberäkningar. Systemet kan inte göra beräkningar utifrån plötsliga förändringar i efterfrågan, utan endast utifrån historiska data, vilket ofta resulterar i att man sitter med fel varor på lagret.
Många av de molnbaserade programvaror som finns idag för lagerhantering har utvecklats specifikt för att beräkna optimala servicenivåer – dessa gör det möjligt att ha olika servicenivåer för olika produkter och vid olika tidpunkter. Många av dessa system jobbar med avancerade algoritmer och maskininlärning. På så sätt kan ett antal möjliga scenarier och utfall räknas fram, utifrån vilka man sedan kan få fram det mest sannolika.
Bättre beräkningar av optimala lagernivåer
Svårigheter att beräkna optimala lagernivåer gör att man ofta tar det säkra före det osäkra och köper på sig för mycket varor – detta i sin tur gör att många sitter på ett onödigt högt lagervärde, samtidigt som varorna riskerar att bli överflödiga eller till och med utdaterade och därför inte kan säljas. Saken blir inte bättre av att det är svårt att säkerställa att man har rätt uppgifter framför sig, när man sitter och jobbar i Excel. Risken finns att man baserar sina beräkningar på fel siffror.
Med ett modernt inköpsplaneringssystem tas hänsyn till optimala servicenivåer samt begränsningar som ledtid, minimibeställning, kvantitet och beställningsintervall. Resultatet blir förbättrade servicenivåer och lägre lagernivåer. Dessa system kan även hålla koll på när de lagerförda varorna blir utdaterade, och kan på så sätt hjälpa till att undvika att dessa måste sälja till underpris alternativt att varorna måste kasseras.
Så, vad säger du? Är det inte dags att kassera de gamla kalkylbladen och ge plats för ett modernare, säkrare och mer träffsäkert system för att beräkna och optimera lagret?