Sikkerhedslager beregning: Formel, eksempel og fejl, der giver for meget lager

Et varenummer har 160 stk. i sikkerhedslager. Ingen kan huske, hvem der beregnede det, eller hvorfor. Det føles trygt, men hver enhed i bufferen er penge, der står stille på hylden. Og et forkert beregnet sikkerhedslager beskytter ikke nødvendigvis dér, hvor du faktisk løber tør.

Der findes ikke én standardformel for sikkerhedslager. Her får du de metoder, der bruges i praksis, hvilke antagelser de bygger på, det samme regneeksempel gennem dem og de fejl, der kan give dig for meget lager.

Hvad er et sikkerhedslager – og hvad er det ikke?

Et sikkerhedslager er den ekstra beholdning, du holder for at klare det uforudsete: kunder, der køber mere end normalt, og leverandører, der leverer senere end forventet.

Sikkerhedslageret indgår i beregningen af dit bestillingspunkt: den forventede efterspørgsel, mens du venter på en ny levering, plus sikkerhedslageret.

Sælger du 12 stk. om dagen, og leveringstiden er 10 dage, er dit bestillingspunkt 120 stk. plus sikkerhedslageret.

Når du skal afgøre, om det er tid til at bestille igen, ser du ikke kun på, hvad der ligger på lager. Du tager også højde for varer, du allerede har bestilt, og ordrer, du endnu ikke har leveret. Det kaldes din lagerposition.

Én ting mere, før du regner. Lager, der ligger der, fordi leverandøren kræver, at du køber 500 ad gangen, er ikke sikkerhedslager. Det er konsekvensen af en indkøbsbetingelse. Blander du de to sammen, ser bufferen større ud, end den er.

Hvilke metoder findes der til at beregne sikkerhedslager?

Der findes både enkle tommelfingerregler og statistiske metoder til at beregne sikkerhedslager.

De enkle metoder bruger fx et fast antal dages lagerdækning eller historiske gennemsnit og maksimumværdier.

De statistiske metoder bygger på standardafvigelser og en ønsket servicegrad. Nogle tager kun højde for variation i efterspørgslen, mens andre også medregner variation i leveringstiden.

Hvilken metode der passer, afhænger af dine data og varens efterspørgselsmønster. Nedenfor følger vi den samme vare gennem to forskellige beregningsmetoder.

Hvordan beregner du sikkerhedslager med en tommelfingerregel?

En enkel tommelfingerregel, på engelsk kaldet average-max-metoden, sammenligner det højeste observerede daglige forbrug og den længste leveringstid med de tilsvarende gennemsnit.

Sikkerhedslager = (maks. dagligt forbrug × maks. leveringstid) − (gennemsnitligt dagligt forbrug × gennemsnitlig leveringstid)

Lad os tage en vare, vi følger gennem hele artiklen. Eksemplet er konstrueret. Du sælger i gennemsnit 12 stk. om dagen, men på de travleste dage har du solgt 20 stk. Leveringstiden er normalt 10 dage, men har været oppe på 14 dage.

20 × 14 − 12 × 10 = 160 stk.

Det svarer til godt 13 dages normalt salg. Metoden er let at forklare og kræver kun data, du allerede har. Svagheden er, at den kombinerer den højeste observerede efterspørgsel med den længste observerede leveringstid, selv om de to ikke nødvendigvis optræder samtidig. Én usædvanlig periode i historikken kan derfor give en meget stor buffer i årevis.

Sikkerhedslager formel med servicegrad: Z × σ × √leveringstid

Den statistiske metode starter et andet sted: Hvor stor risiko for at løbe tør vil du acceptere? Det hænger sammen med den servicegrad, du vælger. Jo højere cyklusservicegrad, desto lavere risiko for at løbe tør i en genopfyldningsperiode. Servicegraden omsættes til en Z-værdi i beregningen.

I formlen betyder servicegrad cyklusservicegrad: sandsynligheden for ikke at løbe tør i en genopfyldningsperiode. Det er ikke det samme som fill rate, altså den andel af efterspørgslen, du leverer direkte fra lager. Måler salg på det ene og indkøb på det andet, taler de forbi hinanden.

Sikkerhedslager = Z × σ × √L

Z er Z-værdien for din ønskede servicegrad, σ er standardafvigelsen på den daglige efterspørgsel, og L er leveringstiden i dage. Brug samme tidsenhed hele vejen. Er σ beregnet pr. uge, skal leveringstiden også være i uger.

Formlen tager udgangspunkt i, at du bestiller nye varer, når lagerpositionen når et bestemt niveau – dit bestillingspunkt.

Gennemgår du i stedet lageret med faste intervaller, skal beregningen også tage højde for tiden frem til næste gennemgang.

Metoden bygger på antagelser: at efterspørgslen i leveringstiden kan beskrives nogenlunde med en normalfordeling, at niveauet er stabilt, og at udsvingene fra dag til dag er uafhængige af hinanden. Holder antagelserne ikke, kan resultatet være misvisende.

Vi bruger den samme vare som før. Du sælger i gennemsnit 12 stk. om dagen, men salget varierer fra dag til dag. I eksemplet har vi beregnet en standardafvigelse på 5 stk. Det er et statistisk mål for, hvor meget det daglige salg typisk varierer omkring gennemsnittet.

Med en leveringstid på 10 dage og en ønsket cyklusservicegrad på 95 % bliver beregningen:

1,65 × 5 × √10 ≈ 26 stk.

Men hvad nu, hvis leverandøren heller ikke altid leverer til tiden?

Så skal vi også tage højde for variationen i leveringstiden. I vores eksempel er den gennemsnitlige leveringstid 10 dage med en standardafvigelse på 2 dage.

Når vi medregner begge typer usikkerhed, bruger vi den udvidede formel:

Sikkerhedslager = Z × √(L × σ_salg² + gns. dagligt salg² × σ_leveringstid²)

Det giver: 1,65 × √(10 × 25 + 144 × 4) = 1,65 × √826 ≈ 47 stk.

Sikkerhedslageret stiger altså fra cirka 26 til 47 stk., når vi også tager højde for variationen i leveringstiden.

Den udvidede formel forudsætter, at udsvingene i salg og leveringstid er uafhængige af hinanden. Hænger de sammen, fx fordi leverandøren bliver langsommere, netop når efterspørgslen topper, er tilnærmelsen ikke længere pålidelig. Så kræver beregningen en model, der tager højde for sammenhængen, ellers kan du både under- og overvurdere behovet for sikkerhedslager.

Tommelfingerreglen giver 160 stk., mens den statistiske metode giver omkring 47 stk. ved en cyklusservicegrad på 95 %. Med en kostpris på 250 kr. svarer forskellen til godt 28.000 kr. i lagerværdi på ét varenummer.

Det er ikke automatisk en besparelse, for metoderne bygger på forskellige antagelser og serviceniveauer. Men det er en forskel, der er værd at undersøge.

Tabellen med Z-værdier viser også prisen på de sidste procenter. Hæver du servicegraden fra 95 % til 99 %, stiger bufferen fra 47 til 67 stk., fordi Z-værdien går fra 1,65 til 2,33.

I eksemplet koster fire procentpoint mere service altså godt 40 % mere sikkerhedslager. Den beslutning bør tages bevidst, vare for vare, og ikke som en fælles standard for hele sortimentet.

Hvilken metode til beregning af sikkerhedslager passer til dine varer?

Den statistiske metode antager, at salget svinger nogenlunde jævnt omkring et gennemsnit. Det holder for nogle varer og slet ikke for andre. Det kan derfor være nyttigt at segmentere varerne efter både deres værdi og efterspørgselsmønster. Det kan du fx gøre med en ABC-XYZ-analyse, hvor ABC viser varernes relative forbrugsværdi, mens XYZ viser, hvor stabil eller uregelmæssig efterspørgslen er.

AX-varer har høj værdi og stabilt salg. Her kan den statistiske metode være et godt udgangspunkt, hvis efterspørgslen følger modellens antagelser. 

AZ-varer har høj værdi, men uregelmæssig efterspørgsel: tre måneder uden noget og så en stor ordre. Her kan normalfordelingsmodellen give et misvisende resultat, fordi efterspørgslen ikke følger de antagelser, formlen bygger på. Supplér derfor beregningen med viden om kunderne og deres ordremønster.

CZ-varer sælger sjældent og er billige. Spørg, om de overhovedet skal have fast sikkerhedslager, eller om de hellere skal være skaffevarer, du bestiller hjem, når kunden spørger.

Segmentet er et udgangspunkt for valget af metode og servicegrad, ikke en regel. Hvad det koster at løbe tør for varen, hvor lang leveringstiden er, og hvor pålidelig leverandøren er, kan sagtens flytte en vare. En billig CZ-vare, der stopper en montagelinje, skal behandles anderledes end en billig CZ-vare, kunden gerne venter på.

Har du begrænset historik, kan en enkel tommelfingerregel være et midlertidigt udgangspunkt. Men den er ikke nødvendigvis mere pålidelig end en statistisk model, især hvis dine maksimumværdier bygger på få eller usædvanlige observationer.

Kan du beregne sikkerhedslager i Excel?

Ja. Excel er et oplagt sted at starte, når du vil beregne sikkerhedslager, og til en første model er det fint. Sæt den ønskede cyklusservicegrad i B2 (95 %), standardafvigelsen på den daglige efterspørgsel i B3 (5), den gennemsnitlige leveringstid i B4 (10), standardafvigelsen på leveringstiden i B5 (2) og det gennemsnitlige daglige salg i B6 (12). Så er formlerne i dansk Excel:

Fast leveringstid: =STANDARD.NORM.INV(B2)*B3*KVROD(B4)

Variabel leveringstid: =STANDARD.NORM.INV(B2)*KVROD(B4*B3^2+B6^2*B5^2)

Den sidste giver ca. 47 stk., som rundes op til 48 stk. Standardafvigelsen kan beregnes med =STDAFV.S() på historiske efterspørgselsdata. Bruger du salgstal, skal du være opmærksom på perioder med udsolgte varer, hvor salget ikke viser den reelle efterspørgsel. I engelsk Excel hedder funktionerne NORM.S.INV, STDEV.S og SQRT.

Problemet kommer senere. Arket bliver bygget på et udtræk fra februar. Leveringstiderne er dem, leverandøren lovede, ikke dem du fik. Og kun én person ved, hvordan formlerne hænger sammen. Så bliver sikkerhedslageret beregnet én gang og lever videre, mens salg og leverandører ændrer sig.

Excel kan fungere til et begrænset antal varegrupper, så længe data bliver opdateret, og nogen ejer processen. Med tusindvis af varenumre bliver det svært at holde tallene friske.

Hvorfor bliver sikkerhedslageret for højt?

I vores regneeksempel stiger det beregnede sikkerhedslager fra cirka 26 til 47 stk., når vi også tager højde for udsving i leveringstiden. Det viser, hvorfor det ikke altid er nok at se på salget. Usikkerhed hos leverandøren kan også have stor betydning for, hvor meget sikkerhedslager du har brug for. Derfor kan arbejdet med leverandørperformance være mindst lige så relevant som at justere lagerparametrene.

Andre gange ligger usikkerheden i efterspørgslen. Store udsving eller ændrede salgsmønstre kan gøre det svært at fastsætte den rette buffer. Her kan bedre efterspørgselsplanlægning gøre mere gavn end blot at øge sikkerhedslageret.

Så er der indkøbsbetingelserne. Du sælger 100 stk. om året, men leverandørens minimumordremængde er 250 stk. Én ordre dækker altså to et halvt års gennemsnitligt salg. Det er et andet lagerproblem end et forkert beregnet sikkerhedslager, og løsningen er måske at genforhandle ordrestørrelsen eller finde en anden leverandør, ikke at regne sikkerhedslageret om.

Og til sidst produkterne selv. En vare på vej ud har stadig flot salgshistorik, så beregningen giver den fuld buffer. Sikkerhedslageret bør derfor genvurderes i takt med udfasningen, så det afspejler den forventede efterspørgsel og eventuelle serviceforpligtelser. Det hører sammen med beslutningen i sortimentsstyringen.

Sådan beregner du sikkerhedslager trin for trin

Start med én varegruppe, hvor du enten har meget kapital bundet eller mange restordrer. En enkel model, der bliver brugt, slår en perfekt model, som ingen får kørt.

1. Hent dagligt eller ugentligt salg og de faktiske leveringstider pr. leverandør. Du skal have historik nok til at vise varens mønster. Har varen sæsonudsving, skal mindst én hel sæson med.
2. Find engangsordrer og kampagner, og adskil kendt eller planlagt efterspørgsel fra de udsving, sikkerhedslageret skal dække.
3. Opdel varerne i ABC-XYZ og sæt en servicegrad pr. gruppe som udgangspunkt. Justér de varer, hvor konsekvensen af at løbe tør er større eller mindre.
4. Vælg metode pr. gruppe ud fra, om antagelserne holder, og beregn sikkerhedslageret pr. varenummer.
5. Sammenlign med dit nuværende sikkerhedslager og se på de største afvigelser først.
6. Gentag beregningen med faste mellemrum, og med det samme, når en leverandør eller en vares status ændrer sig.
   
   

Se dit sikkerhedslager i dine egne data

Beregningen er det nemme. Det svære er at køre den på tusindvis af varenumre med opdaterede leveringstider og se, hvor bufferen er større end risikoen. I Inact kategoriserer du varerne og tilpasser serviceniveau, sikkerhedslager og genbestilling efter kategorien, så hele sortimentet ikke kører på de samme regler. Se hvordan lageroptimering i Inact fungerer.