Servicegraden ser fin ud. Lagerværdien er steget igen. Og på mødet kan ingen sige, om det ene forklarer det andet. Det er dét, lagernøgletal skal bruges til. Ikke til at fylde en månedsrapport, men til at vise, hvor lageret beskytter kunderne, og hvor det bare binder penge.
Her får du de syv nøgletal, der giver det billede, formlerne bag dem, og hvordan du læser dem sammen, så de peger på en beslutning.
En oversigt med 25 målinger, som ingen kigger på, hjælper dig ikke. De her syv dækker de fire spørgsmål, der betyder noget: Bevæger lageret sig? Får kunderne deres varer? Kan du stole på tallene? Og hvor sidder pengene?
| Nøgletal | Formel eller målemetode | Hvad viser den? |
|---|---|---|
| 1. Lageromsætningshastighed | Vareforbrug / gennemsnitligt lager | Hvor mange gange lageret omsættes om året |
| 2. DIO | Gennemsnitligt lager / vareforbrug × 365 | Hvor mange dage varerne i gennemsnit ligger |
| 3. Servicegrad / fill rate | Leverede enheder fra lager / bestilte enheder × 100 (kan også måles på linjer eller ordrer) | Hvor stor en del af efterspørgslen lageret dækker |
| 4. OTIF | Ordrer leveret til tiden og komplet / alle ordrer × 100 | Om kunden får hele ordren til aftalt tid |
| 5. Lagerpræcision | Optalte varenumre uden afvigelse / optalte varenumre × 100 | Om systemet stemmer med hylden |
| 6. Døde varer | Lagerværdi af varer uden aftræk / samlet lagerværdi × 100 | Hvor meget kapital der står stille |
| 7. Kapitalbinding | Antal på lager × kostpris, summeret | Hvor mange penge lageret binder, og hvor |
Gennem artiklen bruger vi én konstrueret grossist som eksempel. Tallene er opfundet til illustration: årligt vareforbrug på 60 mio. kr., et gennemsnitligt lager på 15 mio. kr., hvoraf 2,4 mio. kr. i gennemsnit ligger i varer uden aftræk det seneste år, og en servicegrad på 97 % målt på ordrelinjer.
Lageromsætningshastigheden viser, hvor mange gange lageret bliver solgt og genopfyldt i en periode, som regel et år.
Lageromsætningshastighed = vareforbrug / gennemsnitligt lager
Brug vareforbrug (kostpris), ikke omsætning. Lageret er opgjort i kostpris, og omsætningen indeholder din avance, så tallet bliver pustet op, hvis du blander de to. Det gennemsnitlige lager kan du beregne som (primolager + ultimolager) / 2, eller som gennemsnittet af månedsopgørelserne, hvis lageret svinger over året.
For vores eksempel med grossisten giver det 60 / 15 = 4. Lageret bliver omsat fire gange om året.
Er det godt? Det kommer an på, hvad der ligger på hylderne. Et reservedelslager bevæger sig langsommere end et lager af standardvarer, og råvarer bevæger sig anderledes end færdigvarer. Sammenlign derfor med din egen udvikling over tid og mellem dine varegrupper frem for et generisk branchetal. En høj omsætningshastighed er heller ikke automatisk et sundt tegn. Den kan også betyde, at lageret er så tyndt, at kunderne venter.
DIO (Days Inventory Outstanding) viser, hvor mange dage varerne i gennemsnit ligger på lager, før de bliver solgt eller brugt.
DIO = gennemsnitligt lager / vareforbrug × 365
Eksemplet med grossisten lander på 15 / 60 × 365 ≈ 91 dage. Det er den samme lagerbevægelse som omsætningshastigheden, set fra en anden vinkel: 365 / 4 giver også 91. Fordelen ved dage er, at tallet er nemmere at koble til likviditet. DIO er nemlig én af de tre dele af cash conversion cycle (DIO + DSO − DPO), som viser, hvor længe din kapital er bundet i driften.
Pas på ordet lagerdage. Det bruges om to forskellige ting. Den historiske betydning er DIO. Den fremadskuende betydning er rækkeevne: hvor mange dage din nuværende beholdning kan dække den forventede efterspørgsel (beholdning / forventet dagligt forbrug). Det er lagerdage i den betydning, du bruger, når du skal beslutte, om du skal købe ind nu eller vente.
Servicegrad og fill rate måler, hvor godt lageret kan dække efterspørgslen. Men resultatet afhænger af, hvad du tæller:
De tre kan give vidt forskellige tal for det samme lager, og ordet servicegrad bliver brugt forskelligt fra virksomhed til virksomhed. Nogle regner leveringstiden med, andre gør ikke. Skriv derfor definitionen ned, før du begynder at sammenligne måneder, lagre eller afdelinger.
Grossistens 97 % i eksemplet er målt på ordrelinjer. Det ser fornuftigt ud. Næste nøgletal viser, hvorfor kunden kan opleve noget andet.
OTIF (On Time In Full) tæller kun en ordre som leveret, hvis den kommer til den aftalte tid og i den fulde mængde.
OTIF = ordrer leveret til tiden og komplet / alle ordrer × 100
Her bliver grossistens 97 % udfordret. Antag, at grossistens ordrer har 10 linjer, og at hver linje uafhængigt af de andre har 97 % sandsynlighed for at kunne leveres fra lager. Så er sandsynligheden for, at alle 10 linjer er der, 0,97¹⁰ ≈ 74 %.
Under de antagelser kan kun omkring tre ud af fire ordrer sendes komplet direkte fra lager. Det er ikke grossistens faktiske OTIF.
Leveringstiden er ikke regnet med, og manglende varer kan nogle gange nå at komme hjem før den lovede leveringsdato. Men det viser, hvorfor en høj linjeservicegrad ikke automatisk giver en høj andel komplette ordrer.
I det samme forenklede eksempel kræver omkring 90 % komplette ordrer, at tilgængeligheden på hver linje stiger til cirka 99 % (0,99¹⁰ ≈ 90 %). Det kræver højere tilgængelighed på de enkelte linjer, fx gennem mere målrettet sikkerhedslager, bedre genbestilling eller mere stabile leverancer. Og det er en beslutning om, hvilke varer der skal bære den ekstra tilgængelighed, ikke ét mål for hele sortimentet. I virkeligheden hænger linjerne ikke altid uafhængigt sammen, så brug tallene som en illustration af mekanismen.
Lav OTIF kan have mange årsager: leverandøren leverer for sent, indkøb bestiller for sent, forecastet rammer ved siden af, eller kundeløftet er mere ambitiøst, end lageret kan bære. Mål derfor også OTIF på dine leverandører som en del af din leverandørperformance. Ellers ved du ikke, om problemet opstår hos dig selv eller et led tidligere.
Lagerpræcision viser, om beholdningen i systemet passer med den fysiske beholdning. En almindelig måde at opgøre den på:
Lagerpræcision = optalte varenumre uden afvigelse / optalte varenumre × 100
Uden afvigelse betyder her, at systemet og hylden stemmer inden for en tolerance, I selv har aftalt.
Lagerpræcision er et vigtigt fundament for de øvrige nøgletal. Siger systemet 100 stk., og ligger der 84, bliver bestillingspunktet udløst for sent, salg lover en vare, der kun findes i systemet, og servicegraden ser bedre ud på skærmen end hos kunden. Lagerpræcision måles bedst løbende gennem cyklustælling, så du finder afvigelserne, mens du stadig kan se, hvor de kommer fra: modtagelse, pluk eller manuelle justeringer.
Døde varer har ikke haft aftræk i en periode, du selv definerer. Perioder på 6, 12 eller 24 måneder er almindelige udgangspunkter, men grænsen skal passe til varens normale salgsrytme. En reservedel, der sælges to gange om året, er ikke død efter tre måneder. Slow movers bevæger sig stadig, men så langsomt, at de binder kapital og plads i lang tid.
Andel døde varer = lagerværdi af varer uden aftræk i perioden / samlet lagerværdi × 100
Restordrer larmer. Kunder ringer. Døde varer siger ingenting. De ligger bare.
Hos grossisten i eksemplet er det 2,4 / 15 = 16 % af lageret. Og her viser gennemsnittet fra punkt 1 ikke hele billedet. Varerne har ikke haft noget vareforbrug i perioden, så fjerner du deres gennemsnitlige lagerværdi fra regnestykket, har den resterende del af lageret en omsætningshastighed på 60 / 12,6 ≈ 4,8, svarende til omkring 77 dage. Tallet 4 dækker altså over to meget forskellige dele af lageret: én, hvor varerne bliver omsat, og én, hvor de slet ikke bevæger sig.
Kapitalbinding i lageret er lagerværdien i kroner, opgjort i kostpris.
Kapitalbinding = antal på lager × kostpris pr. enhed, summeret for alle varenumre
Kapitalbinding er ikke forkert i sig selv. Du kan ikke levere uden lager. Spørgsmålet er, hvad pengene køber.
Det samlede tal svarer ikke på det. Beregn i stedet hver varegruppes, leverandørs, lokations og ABC-kategoris andel af den samlede lagerværdi. Så kan du se, hvor en ændring flytter flest kroner, og om de 15 mio. kr. beskytter dine vigtigste kunder, eller om en stor del ligger i få varegrupper, hos bestemte leverandører med høje minimumsordrer, eller i varer, ingen har taget stilling til i årevis.
Hvert nøgletal for sig kan forsvare næsten ethvert lager. Det er kombinationerne, der fortæller dig, hvor du skal kigge:
Grossisten er et godt eksempel. 97 % ser fint ud, men under eksemplets antagelser kan kun omkring tre ud af fire ordrer sendes komplet fra lager, og 16 % af lageret står stille. Det samme lager kan altså binde mange penge i varer, der ikke bliver solgt, og samtidig mangle de varer, der skal til for at levere komplette ordrer.
Derfor giver det mening at se lager-KPI'erne som en del af dine supply chain KPI'er. Lageret påvirkes af salgets forecast og kampagner, af indkøbs minimumsordrer og leveringstider og af, hvilke varer produktansvarlige beholder i sortimentet. Måler du lageret isoleret, risikerer du at give det skylden for beslutninger, der blev taget andre steder.
Formlerne i artiklen kan du regne i Excel. Det svære er at bryde dem ned på tusindvis af varenumre og holde det opdateret, så du kan se, hvilke varer der trækker servicegraden ned, og hvilke der bare binder kapital.
Det er den opgave, Inacts løsning til lageroptimering er bygget til. Den kategoriserer dine varer, så du kan se, hvilke der fortjener plads på lageret, og tilpasse servicegrad, sikkerhedslager og genbestilling efter den rolle, varen har i din forretning.