Sammanfattande analys för genererad efterfrågan

Sammanfattningsvis kan konstateras att oavsett typ av efterfrågan presterar de dynamiska modellerna tillräckligt bra för att vara ett alternativ till en statisk säkerhetstid. Det är endast då man med säkerhet vet att det inte förekommer systematiska variationer i efterfrågan som en statisk säkerhetstid skulle kunna antas vara bättre än en dynamisk och även i detta fall kan en dynamisk modell antas ge likvärdiga eller bättre resultat eftersom det krävs en mycket välvald statisk säkerhetstid för att överträffa den dynamiska.

Med utgångspunkt i ovanstående analys kan en sammanfattning angående val av dynamiska modeller göras, se tabell 30. Den rekommenderade modellen har valts ut som den dynamiska modell som presterar bäst om så många mått som möjligt tas i beaktande. Dessutom har övriga modeller som också presterar bra angetts som lämpliga modeller. Dessa rekommendationer bygger på en samlad bedömning av de olika måtten. Det måste

69

påpekas att detta är en klar generalisering och att vilken modell som är bäst måste avgöras genom att beakta vilket mått som är viktigast för den artikel man vill styra.

Tabell 30 Översikt över dynamiska modeller.

Typ av efterfrågan Rekommenderad modell Andra lämpliga modeller Olämplig modell Inga systematiska variationer – högrörliga artiklar Traditionell algoritm Traditionell algoritm med justeringar, simulering - Inga systematiska variationer – lågrörliga artiklar Traditionell algoritm med justeringar, traditionell algoritm, simulering - - Systematiska variationer Traditionell algoritm

med justeringar Simulering

Traditionell algoritm Det som är intressant att notera i ovanstående tabell är att traditionell algoritm är en olämplig modell vid systematiska variationer. Om man inte känner till om systematiska variationer förekommer är det därför bättre att välja traditionell algoritm med justeringar eller simulering som är rekommenderade eller lämpliga modeller i samtliga olika fall. Vilken av modellerna som ska väljas måste avgöras genom att beakta vilket mått som är viktigast vid styrningen. En allmängiltig rekommendation då man vill vara beredd på eventuella systematiska variationer skulle kunna vara att använda traditionell algoritm med justeringar. Motiveringen till detta val är att skillnaderna mellan denna modell och simulering är små i fall utan systematiska variationer, medan traditionell algoritm med justeringar har konstaterats vara bäst då systematiska variationer uppstår.

De iakttagelser som har gjorts i olika ledtidsfall och för specifika efterfrågestrukturer skiljer sig i de flesta fall inte drastiskt från de övergripande iakttagelserna för respektive gruppering av fall (högrörliga artiklar, lågrörliga artiklar samt efterfrågan med systematiska variationer) och kan inte anses så allmängiltiga att de föranleder några särskilda rekommendationer i enskilda fall.

7.3.1 Instabilitet orsakad av dynamisk säkerhetstid

Ett problem som identifierats i studien är att det uppstår en ryckighet i beställnings- förfarandet när en dynamisk säkerhetstid används. Detta visar sig bl.a. genom att det periodvis läggs beställningar varje dag. Det faktum att säkerhetslagret uttrycks som en tid innebär redan i sig självt att det faktiska säkerhetslagret i antal enheter ständigt kommer att variera utifrån aktuell efterfrågan och därmed att risken för ryckighet finns redan idag. Dock visar resultaten att originalmodellen med en statisk säkerhetstid ger ett betydligt jämnare inleveransmönster än de dynamiska modellerna.

Ifall täta beställningar och inleveranser innebär problem i ett visst flöde kan detta innebära att de dynamiska modellerna i sin nuvarande form inte är lämpliga att använda. Om täta

70

inleveranser är praktiskt genomförbart måste de eventuella nackdelar det kan medföra vägas mot de fördelar som påvisats hos de dynamiska modellerna. Möjligtvis skulle nackdelarna kunna motverkas genom ett närmare samarbete med leverantörer eller en ökad flexibilitet i godsmottagningen.

De täta inleveranserna uppstår när säkerhetstiden närmar sig maxtiden, vilket inträffar då de dynamiska modellerna räknat fram en hög säkerhetstid p.g.a. att det förekommit underprestation. En lösning skulle således kunna vara att sätta gränsen för den dynamiska säkerhetstiden något lägre än maxtiden. Detta innebär dock problem ifall maxtiden är mycket kort eftersom säkerhetstiden då i princip inte får något utrymme att variera. Problemet hade också kunnat undvikas om en längre maxtid användes. Om säkerhetstiden ofta räknas fram till att ligga nära maxtiden kan detta således tolkas som att en längre maxtid behövs.

7.4 Verklig efterfrågan

Den verkliga data som använts kommer från ett företag med en relativt hög mognadsgrad och en god kunskap om parametersättningen. Därför får det i detta fall betraktas som en framgång att få servicenivåavvikelser i samma storleksordning som originalmodellen. De dynamiska modellerna får här till och med lägre servicenivåavvikelse än originalmodellen, dock på bekostnad av ett lite högre medellager. Det faktum att de dynamiska modellerna uppvisar en tydligt mindre underprestation antyder dock att medellagerökningen bidrar till att undvika underprestation snarare än att bara uppnå samma servicenivå som originalmodellen fast med högre lager eller att ge en onödig överprestation av servicenivån. Detta tyder på att de dynamiska modellerna faktiskt presterar bättre än originalmodellen. Vid jämförelse mellan de tre dynamiska modellerna framgår att traditionell algoritm med justeringar har bättre värden än simulering på samtliga mått. Jämfört med traditionell algoritm gäller detsamma med undantaget att traditionell algoritm med justeringar ger ett lite högre medellager. Denna skillnad är dock så pass liten att den i ljuset av övriga förbättringar bör kunna försummas. Slutsatsen blir därmed att traditionell algoritm med justeringar kan anses vara den bästa av de dynamiska modellerna. Dock är skillnaderna mellan modellernas resultat i många fall ganska små och dataunderlaget är för litet för att man ska kunna dra en säker slutsats.

7.5 Tester med negativa säkerhetstider

Traditionell algoritm presterar över lag bättre då negativa säkerhetstiden tillåts, eftersom överprestation i servicenivån sänks utan att underprestation uppstår i något annat fall. Dock är det bara då maxtiden är lång som detta inträffar, vilket snarast kan anses indikera att maxtiden är felbestämd. Traditionell algoritm med justeringar ger visserligen också mindre överprestation i servicenivån då negativa säkerhetstider tillåts, men med ett högre medellager. Detta ger ytterligare belägg för att negativa säkerhetstider inte bör användas. Eftersom simulering som modell arbetar med att söka en säkerhetstid genom att studera historisk data kan modellen ibland finna att det över en viss period är lämpligt med en stor

71

negativ säkerhetstid. Detta kan bero på att det finns lager att ta av under just den undersökta perioden eller att det sker färre beställningar än vanligt under perioden. Att välja en stor negativ säkerhetstid baserat på föregående period och sedan applicera det på kommande period kan dock bli förödande om lagernivån vid den kommande periodens början är låg. Då uppstår plötsligt stora brister under den kommande perioden och servicenivån sjunker därmed kraftigt. Detta förklarar varför fall med en lång maxtid inte blir bra. Modellen kommer nämligen då och då kunna välja stora negativa säkerhetstider vilket får konsekvensen att vissa perioder får en mycket låg servicenivå vilket ger avtryck i den totala uppmätta servicenivån. Att längre ledtider också blir problematiska i samband med tillåtandet av negativa säkerhetstider är inte konstigt då efterfrågan under ledtiden i dessa fall blir större och därmed ökar även osäkerheten. Kombineras detta med en negativ säkerhetstid kan bitvis perioder med stora brister uppstå.

Sammanfattningsvis kan konstateras att tillåtande av negativa säkerhetstider kan förbättra instyrningen mot en önskad servicenivå, i vissa fall i stor utsträckning. Behovet av en negativ säkerhetstid indikerar dock att något annat i parametersättningen är fel. En negativ säkerhetstid kan framstå som ologisk att arbeta med eftersom man i princip planerar in att man ska tillåta brister under ett visst antal dagar. Om de dynamiska modellerna kommer fram till att en negativ säkerhetstid ska väljas skulle detta, istället för att en sådan tid faktiskt väljs, kunna utnyttjas för att dynamiskt justera ner maxtiden. Om inte maxtiden ska justeras dynamiskt kan en av modellerna framräknad negativ säkerhetstid istället föranleda en varning om att maxtiden kanske är för hög. Vid integration i programvara kan denna varning presenteras för användaren.