Hantering av efterfrågevariationer i utgående transporter
- En fallstudie om transporter & efterfrågevariationer hos Mejeriproducenten AB
Författare:
Fredrik Hall
William Smygegård
Examinator: Helena Forslund Handledare: Helena Forslund Medbedömare: Hana Hulthén Termin: VT2020
Ämne: Supply Chain Management Nivå: Magister
Kurskod: 4FE19E
Förord
Författarna av denna studie vill tacka alla de personer som har varit med och gjort den möjlig. Ett extra tack till Mejeriproducenten AB och de inblandade personerna för ett bra samarbete genomgående under arbetsprocessen. Vi skulle även vilja tacka vår handledare Helena Forslund och klasskamrater vid Linnéuniversitetet i Växjö för värdefull handledning och opponering.
Tack!
__________________
William Smygegård
__________________
Fredrik Hall
Linneuniversitetet, Växjö 2020-05-26
Sammanfattning
Kurs: Examensarbete 30 hp, 4FE19E.
Författare: William Smygegård och Fredrik Hall Examinator: Helena Forslund
Titel: Hantering av efterfrågevariationer i utgående transporter - En fallstudie om transporter & efterfrågevariationer hos Mejeriproducenten AB
Bakgrund: Detaljhandelns utveckling har lett till en mer kundorienterad marknad. Samtidigt innehåller livsmedelsindustrin FMCG som kännetecknas av kort produktlivslängd och ledtid.
Det innebär att företagen måste vara beredda på variationer i efterfrågan. Dessa efterfrågevariationer försvårar arbetet mot jämna materialflöden. För att hantera dessa måste företagen framställa pricksäkra prognoser som ligger till grund för den kapacitetsplanering som görs. På Mejeriproducenten AB upplevs efterfrågevariationer orsaka kapacitetsbrist i transporter vilket resulterar i ökade kostnader.
Syfte: Syftet med studien är att fylla forskningsgapet mellan efterfrågevariationer och transporter genom att identifiera bakomliggande orsaker till varför dessa variationer uppstår samt föreslå hur de kan minimeras och åtgärdas. Detta genom att skapa ett generellt ramverk som kan användas av flera producerande företag inom samma och liknande branscher.
Metod: Denna fallstudie har använt sig av en kvalitativ forskningsstrategi.
Datainsamling skedde dels genom semistrukturerade intervjuer, enkätstudie och dels data från Qlikview. Detta har skett med ett bekvämlighetsurval med relevanta respondenter som varit tillgängliga till forskarna. Dataanalys har gjorts genom en mönsterjämförelse.
Vid forskningsetiskt övervägande har anonymisering varit av extra stor vikt genom arbetets gång.
Slutsats: Kommunikationsbrister är två av de orsaker bakom efterfrågevariation som identifieras. Genom ett ökat samarbete i försörjningskedjan kan kommunikationen förbättras vilket leder till mer pricksäkra prognoser som tar hänsyn till efterfrågevariationer. Resultatet blir att transportplaneringen underlättas då kapaciteten kan planeras efter variationer i efterfrågan. Vidare undersöks fyllnadsgraden i de transportslingor som den här studien tar i beaktning. Det visade sig att den upplevda kapacitetsbristen endast existerar i ett fåtal av slingorna medan resterande slingor innehåller en stor andel tillgänglig kapacitet. Vidare visas effekten av vad en ruttoptimering hade kunnat uppnå genom att jämna ut belastningen på alla slingor vilket hade minskat risken för att överlass uppstår vid en efterfrågevariation. Om Mejeriproducenten AB lyckas med att prognostisera efterfrågevariationer kan fyllnadsgraden ökas i varje slinga vilket innebär ett minskat behov av transport kapacitet.
Nyckelord: Mejeriprodukter, FMCG, efterfrågevariationer, kapacitetsplanering, resursutnyttjande, ruttplanering, fyllnadsgrad.
Abstract
Course: Degree project in logistics 30 credits, 4FE19E.
Author: William Smygegård and Fredrik Hall Examiner: Helena Forslund
Title: Hantering av efterfrågevariationer i utgående transporter - En fallstudie om transporter & efterfrågevariationer hos Mejeriproducenten AB
Background: The development of retail has led to a more customer-oriented market. At the same time the food industry contains FMCG which is characterized by a short product life and lead time. This means that companies must be prepared for variations in demand. These variations in demand make work difficult for even material flows. In order to manage these, companies must produce accurate forecasts that form the basis for the capacity planning that is done. At Mejeriproducenten AB, demand variations are experienced to cause capacity shortages in transport, resulting in increased costs.
Purpose: The purpose of the study is to fill the research gap between demand variations and transport by identifying the underlying causes of why these variations occur and suggest how they can be minimized and corrected. This is by creating a general framework that can be used by several producing companies in the same and similar industries.
Methodology: This case study has used a qualitative research strategy. Data collection took place partly through semi-structured interviews, a survey study and partly data from Qlikview. This has been done with a convenience selection with relevant
respondents available to the researchers. Data analysis has been done through a pattern comparison. In research ethical considerations, anonymization has been of great importance throughout the course of the work.
Conclusion: Communication deficiencies are two of the reasons behind demand variation being identified. Through increased collaboration in the supply chain, communication can be improved, leading to more accurate forecasts that take into account demand variations. The result is that transport planning is facilitated as capacity can be planned according to variations in demand. Furthermore, the degree of filling in the transport loops that this study takes into account is examined. It turned out that the perceived capacity shortage only exists in a few of the loops, while the remaining loops contain a large proportion of available capacity. Furthermore, the effect of what a route optimization could have achieved by smoothing the load on all loops is shown, which had reduced the risk of overlap occurring in a demand variation. If Mejeriproducenten AB succeeds in forecasting demand variations, the fill rate can be increased in each loop, which means a reduced need for transport capacity.
Keywords: Dairy products, FMCG, demand variations, capacity planning, resource utilization, route planning, fill rate.
Innehållsförteckning
1. Inledning 1
1.1 Företagsbeskrivning 1
1.2 Bakgrund 1
1.3 Problemdiskussion 4
1.3.1 Forskningsfråga 1 4
1.3.2 Forskningsfråga 2 5
1.4 Forskningsfrågor 7
1.5 Syfte 7
1.6 Disposition 8
2. Metod 9
2.1 Forskningsstrategi 9
2.2 Undersökningsdesign 10
2.3 Urvalsstrategi 10
2.4 Datainsamling 12
2.4.1 Intervjuer 12
2.4.2 Enkätstudie 13
2.4.3 Analysverktyg 14
2.5 Dataanalys 15
2.6 Kvalitetskriterier 15
2.7 Forskningsetiska överväganden 17
2.8 Individuellt bidrag 18
2.9 Metodsammanfattning 18
3. Forskningsfråga 1 - Varför uppstår det efterfrågevariationer på mejeriprodukter och hur kan dess påverkan mot utgående transporter minimeras? 19
3.1 Teori 19
3.1.1 Karaktärsdrag för FMCG 20
3.1.2 Efterfrågad kvantitet 20
3.1.3 Orsaker till efterfrågevariation 21
3.1.4 Prognostisering 22
3.1.5 Samarbete i försörjningskedjor 23
3.1.5.1 Collaborative Planning, Forecasting and Replenishment (CPFR) 25
3.2 Empiri 27
3.2.1 Efterfrågevariationer i detaljhandeln 27
3.2.2 Mejeriproducenten ABs nuvarande framtagning av prognoser 29
3.2.3 Nuläge av informationsflöde vid orderläggning 30 3.3 Analys: Varför uppstår det efterfrågevariationer på mejeriprodukter och hur kan dess påverkan mot utgående transporter minimeras? 31
3.3.1 Leveransvikt Mjölk 31
3.3.2 Leveransvikt Yoghurt 33
3.3.3 Orsaker till efterfrågevariation i detaljhandeln 35 3.3.4 Minimera effekten av efterfrågevariation genom samarbete 38
3.4 Slutsats 40
4. Forskningsfråga 2 - Hur kan fyllnadsgraden justeras för att hantera kapacitetsbrister i utgående transporter hos Mejeriproducenten AB som uppstår
på grund efterfrågevariationer? 42
4.1 Teori 42
4.1.1 Fyllnadsgrad 43
4.1.2 Ruttplanering 43
4.1.3 Buffert av kapacitet 44
4.1.4 Känslighetsanalys 45
4.2 Empiri 45
4.2.1 Hantering av överlass 45
4.2.2 Pris för transport 46
4.2.3 Mejeriproducenten ABs fyllnadsgrad 46
4.3 Analys 47
4.4 Slutsats 52
5. Slutsats 54
5.1 Resultat 54
5.2 Studiens bidrag 55
5.2.1 Praktiskt bidrag 55
5.2.2 Teoretiskt bidrag 56
5.3 Kritik till eget arbete 56
5.4 Fortsatta studier 57
5.5 Samhälleliga aspekter 57
6. Källförteckning 59
6.1 Skriftliga källor 59
6.2 Muntliga källor 63
Figurförteckning
Figur 1. Förklaringsmodell av problematiken på Mejeriproducenten AB ... 3
Figur 2. Mejeriproducenten ABs försörjningskedja samt fokuset för detta arbete 3 Figur 3. Genomförda intervjuer ... 13
Figur 4. Metodsammanfattning ... 18
Figur 5. Förklaringsmodell av problematiken till forskningsfråga 1 ... 19
Figur 6. Verkliga och självgenererade efterfrågevariationer ... 21
Figur 7. Periodiska utleveranser ... 22
Figur 8. Hur samarbete i försörjningskedjor fungerar ... 25
Figur 9. Upplevd efterfrågevariation ... 27
Figur 10. Efterfrågevariationer inom produktkategorier ... 28
Figur 11. Orsaker till efterfrågevariationer ... 28
Figur 12. Vilja till samarbete ... 29
Figur 13. Övergripligt flöde från order till leverans ... 30
Figur 14. Leveransvikt av mjölk för samtliga butiker i södra Sverige ... 32
Figur 15. Procentuella förändringen av leveransvikt ... 33
Figur 16. Leveransvikt till butiker under ett år ... 33
Figur 17. Totala levererade vikten av yoghurt i södra Sverige ... 34
Figur 18. Procentuella förändringen av leveransvikt ... 35
Figur 19. Leveransvikt till butiker under ett år (1/2) ... 35
Figur 20. Leveransvikt till butiker under ett år (2/2) ... 35
Figur 21. Leverans mjölk med löningsvecka ... 36
Figur 22. Leverans yoghurt med löningsvecka ... 36
Figur 23. Orsaker till efterfrågevariationer hos Mejeriproducenten AB ... 38
Figur 24. Ramverk för minskad efterfrågevariationer ... 40
Figur 25. Orsak och förbättringsåtgärder vid efterfrågevariationer ... 41
Figur 26. Förklaringsmodell av problematiken till forskningsfråga 2 ... 42
Figur 27. Flexibilitetens och resursutnyttjande samverkan ... 44
Figur 28. Fyllnadsgrad hos 27 slingor på Mejeriproducenten AB ... 46
Figur 29. Andel överlass per slinga ... 49
Figur 30. Medelvärde av fyllnadsgrad per slinga ... 50
Figur 31. Illustration över Mejeriproducenten ABs resursutnyttjande i dagsläget 51
Figur 32. Fyllnadsgrad vid minskning av lastbilar ... 52 Figur 33. Utveckling och lösning på forskningsfråga 2 ... 53 Figur 34. Studiens resultat utifrån forskningsfrågorna ... 54
Appendix
Appendix A. Intervjuguide till Transportchef
Appendix B. Intervjuguide till Customer Service Manager Appendix C. Intervjuguide till Demand Planner
Appendix D. Data Fyllnadsgrad
1. Inledning
________________________________________________________________
I detta inledande kapitel tas bakgrunden upp till forskningsfrågorna som ska besvaras i detta arbete. Det inleds med en kort företagsbeskrivning följt av en beskrivning av detaljhandel, FMCG, efterfrågevariationer och kapacitetsplanering. Författarna fortsätter med att problematisera ämnet i en problemdiskussion där frågorna tas upp och diskuteras vidare för att sedan avsluta med syfte och disposition. Fallföretaget forskarna studerat benämns som Mejeriproducenten AB i detta arbete på grund av sekretesskäl.
________________________________________________________________
1.1 Företagsbeskrivning
Mejeriproducenten AB, vars namn har anonymiserats, är ett aktiebolag inom livsmedelsindustrin som producerar allt från mejeriprodukter såsom mjölk och ost till juice. Mejeriproducenten AB levererar produkter till hela Sverige men har sin produktion belägen i de södra delarna där även dess leverantörer av mjölk är lokaliserade. Detta är något som är viktigt för Mejeriproducenten AB då de vill att all mjölk som används i deras produktion ska vara svensk och närproducerad. Något som Mejeriproducenten AB arbetar mot är att minska deras klimatpåverkan genom att sänka koldioxidutsläppen, bland annat genom mer klimatsmarta transporter (Mejeriproducenten AB, 2020-01-28).
1.2 Bakgrund
Genom historien har detaljhandeln ansetts som mindre viktig i förhållande till andra verksamhetsområden som exempelvis tillverkningsindustrin. På senare tid har förhållandet skiftat och många företag inom detaljhandeln är nu större än dess leverantörer (Gilbert, 2003). Detaljhandeln är en bransch som kännetecknas av ständig förändring. I takt med att konsumenter ställer högre krav anpassar sig marknaden för att uppfylla konsumenternas efterfrågan. Utvecklingen innebär att företagen som verkar inom detaljhandeln fokuserar på behoven hos enskilda konsumentgrupper istället för den breda massan vilket resulterar i en mer komplex
1
bransch (Goworek & McGoldrick, 2015). Detaljhandelns utveckling mot att bli mer kundfokuserad märks även av inom livsmedelsindustrin. Kunderna ställer högre krav på livsmedels kvalitet och kräver ofta att de är producerade på ett hållbart förhållningssätt. Samtidigt följer myndigheter upp och säkerställer att livsmedelsproducenter lever upp till de krav och riktlinjer som ställs (Trieneken
& Zuurbier, 2008). Livsmedelsindustrin är en gren inom detaljhandeln som innehåller ytterligare utmaningar i sig själv. Till exempel har livsmedel en kort livslängd vilket ställer krav på kort ledtid och gör dem i princip omöjliga att lagra under en längre period (Hasani et al., 2012). Majumdar (2007) definierar dessa varor med kort hållbarhet och snabb lageromsättningshastighet som Fast Moving Consumer Goods (FMCG). När det kommer till livsmedel är dessa varor som köps på regelbunden basis och många substitut finns tillgängliga på marknaden. Tillsammans med en låg kundlojalitet ställs det höga krav på distributionen och producenter på att möta de variationer som kan uppstå i efterfrågan. Detta för att säkerställa att produkten alltid finns tillgänglig på rätt plats i rätt tid när kunderna efterfrågar dem (Majumdar, 2007).
En variation inom supply chain management (SCM) definieras som “En förändring i data, en egenskap eller en funktion som är orsakad av en av fyra faktorer: speciella orsaker, vanliga orsaker, manipulation eller strukturell variation.” (APICS, 2019). Variationer kan uppstå utanför företaget som till exempel i konsumtionen hos slutkonsumenter vilket i förlängningen påverkar företagets efterfrågan. Variationer kan även uppstå internt av företaget själv samt bland de aktörer som verkar i samma supply chain. De båda genererar så kallade efterfrågevariationer vilka försvårar företags arbete mot jämna materialflöden och en lönsam produktion vilket ställer höga krav på planeringsarbete hos företaget (Mattsson, 2015).
Ett steg i planeringsarbetet innebär att kartlägga företagets kapacitet att leverera produkter. Kapacitetsplanering innebär att företag beräknar den nödvändiga kapaciteten som krävs för att bemöta efterfrågan i termer av resurser. Resurser kan vara allt från råvaror till utrustning och aktiviteter (Uzsoy et al., 2018).
Fyllnadsgrad är ett mått som används för att mäta utnyttjandegraden av tillgänglig
2
kapacitet i transporter. Vid kapacitetsplanering bestäms också hur kapaciteten ska justeras för att möta eventuella efterfrågevariationer (Uzsoy et al., 2018).
Figur 1. Förklaringsmodell av problematiken på Mejeriproducenten AB. (Egen illustration)
Den bakomliggande problematiken till den här studien framgår i figur 1.
Mejeriproducenten AB upplever efterfrågevariationer på en del av de produkter som beställs av detaljhandlarna vilket medför en osäkerhet kring den transportkapacitet som krävs för att kunna genomföra de leveranser av produkter som kunderna beställer. En leverans som vanligtvis går att genomföra med en lastbil kan i andra fall kräva två lastbilar när kunden beställer en större leverans än vad som var beräknat. Det medför en risk till Mejeriproducenten AB som i ett sådant scenario tvingas till att betala en högre transportkostnad alternativt missa försäljningstillfällen till kunderna. Det är inte heller miljömässigt hållbart då en extra lastbil innebär ökade utsläpp (Transportchef, 2020-02-12). Figur 1 kommer att härleda strukturen och arbetsgången av den här studien.
När kunder nämns i detta arbete är det detaljhandlarna som refereras till och inte slutkonsumenterna vilket illustreras i figur 2. Den här studien är avgränsad till utgående transporter från Mejeriproducenten AB till kunder i södra Sverige som illustreras i figur 2 nedan.
Figur 2. Mejeriproducenten ABs försörjningskedja samt fokuset för detta arbete. (Egen illustration)
3
1.3 Problemdiskussion
1.3.1 Forskningsfråga 1
Varför uppstår det efterfrågevariationer på mejeriprodukter och hur kan dess påverkan mot utgående transporter minimeras?
Logistik kan beskrivas som ett system bestående av olika komponenter vilka genomför utbyten med sin omgivning. Dessa utbyten består främst av material och information som sluter upp i olika typer av flöden. Tillsammans bildar de så kallade försörjningskedjor. Det övergripande syftet med varje system är att på ett effektivt sätt försörja sina kunder med de produkter som de efterfrågar (Jonsson
& Mattsson, 2017). En av de största utmaningarna inom logistiken är att hantera och minska ovisshet kring efterfrågan och företagets kapacitetsbehov (Lumsden, et al., 2019).
Livsmedelsindustrin är en bransch som av olika anledningar kännetecknas av stor variation i efterfrågan vilket leder till en ovisshet (Rabbi et al., 2013).
Ovisshet i en försörjningskedja är enligt Datta & Christopher (2011) skillnaden mellan efterfrågan och företags kapacitet att tillfredsställa den.
Mejeriproducenten AB upplever denna ovisshet som en risk. Det med anledning av att de tvingas ha en hög transportkapacitet även om behovet inte uppstår. Det leder till outnyttjad kapacitet som kostar företaget pengar (Transportchef, 2020- 02-12). Det finns en rad aktiviteter som kan genomföras för att motarbeta ovissheten. Några av dessa aktiviteter handlar om hur dynamisk en försörjningskedja är, hur informationsstrukturen ser ut, hur flexibel produktionen är samt hur företagen integrerar med varandra. Ireland och Crum (2005) menar att samarbete i försörjningskedjor (Supply Chain Collaboration, SCC) är nödvändigt i dagens affärsmiljö, speciellt inom livsmedelsbranschen där marginalerna är små. Detta kan göras genom bland annat gemensam planering och prognostisering (Ireland and Crum, 2005).
Att prognostisera efterfrågan får effekt genom många led av aktiviteter i försörjningskedjan. Planering av efterfrågan är det första steget av planeringen i
4
en försörjningskedja. Prognosen kan användas för planeringsaktiviteter som till exempel produktionsplanering och kapacitetsplanering. Det är dock viktigt att den prognos som görs är tillförlitlig och pricksäker då en dålig prognos får konsekvenser genom hela försörjningskedjan (Chen, 2007). Prognostisering är extra viktigt när det kommer till livsmedel (Huber, Gossmann, & Stuckenschmidt, 2017).
Underskattning av efterfrågan leder till lagerbrist och tappad försäljning medan överskattning av efterfrågan leder att produkter måste slängas på grund av den korta hållbarheten (Jaipuria & Mahapatra, 2014). Framtagandet av prognoser på Mejeriproducenter AB innehåller moment med manuell bearbetning (Demand Planner, 2020-04-09). Något som Van Donselaar, et al. (2010) menar är en vanlig orsak till att företag misslyckas med att hantera efterfrågevariationer.
För att minska risken och öka lönsamheten har Mejeriproducenten AB intresse av att efterfrågevariationer undersöks. Hedvall (2019) förklarar att tidigare publicerad forskning på området har främst behandlat vilka konsekvenser efterfrågevariationer har i produktionen på ett företag. Den problematik som efterfrågevariationer skapar visar sig således främst i Mejeriproducenten AB:s utgående transporter och inte i produktionen. Av den anledningen syftar denna studien till att fylla det forskningsgap som finns mellan efterfrågevariationer och utgående transporter.
1.3.2 Forskningsfråga 2
Hur kan fyllnadsgraden justeras för att hantera kapacitetsbrister i utgående transporter hos Mejeriproducenten AB som uppstår på grund
efterfrågevariationer?
Då det kan vara svårt att eliminera avvikelser från efterfrågevariationer hel måste företag ta en viss grad av variation i beaktning vid planeringsarbetet.
Ardjmand et al. (2015) har utvecklat en modell för produktionsplanering under en osäker efterfrågan genom att använda en omedveten sökalgoritm. De menar att efterfrågan är osäker men också beroende av ett pris. Det vill säga att varje pris medför ett intervall av efterfrågan. Modellen testades mot olika fall inom textilindustrin samt genom ett antal artificiella tester. Resultatet visade sig vara
5
att modellen var effektiv och bra på att fatta beslut på kort tid, vilket är viktigt när efterfrågan är osäker. Därav visade sig den föreslagna modellen användbar vid produktionsplanering.
Hos Mejeriproducenten AB upplevs problematiken inte i produktionsplaneringen utan i transporterna. Variationer i efterfrågan skapar en osäkerhet kring hur många lastbilar som krävs för att fullfölja en order när efterfrågan är större än vanligt, vilket kan leda till kapacitetsbrister (Transportchef, 2020-02-12). Därför måste efterfrågevariationer tas med i beräkningen vid planering av transporter. En potentiell lösning för att beakta efterfrågevariationer vid transportplanering är att ta höjd i den fyllnadsgrad som lastbilarna har. Lumsden (1995) menar att det är viktigt att anpassa volymen på gods efter den resursvolym som är tillgänglig insourcing av transporter. Det med anledning av att sträva efter en så hög fyllnadsgrad som möjligt. I fallet med Mejeriproducenten AB hyrs således transporter in från ett 3PL (Transportchef, 2020-02-12). En vanlig prissättningsmetod vid outsourcing av transporter är Tariffmetoden som lämpar sig vid upprepade transaktioner. Tariffer består av en prislista som tar hänsyn till ett antal faktorer, exempelvis tid, distans eller godsets vikt (Lumsden, 1995). Det innebär att fokus förflyttas från att utnyttja hela kapaciteten av transporten till den fasta kostnaden som tariffen kommer med. I förlängningen betyder det att transporter med lägre fyllnadsgrad kan vara mer lönsamma för Mejeriproducenten AB än transporter med högre fyllnadsgrad, om de transporterna kräver extra kapacitet vid efterfrågevariationer. Däremot om fyllnadsgraden är för låg kommer fler transportslingor krävas än vid ett bättre utnyttjande av kapacitet och leda till högre transportkostnader. Ett sådant alternativ är inte heller hållbart då lastbilar genererar utsläppt och buller vilket har en negativ påverkan på miljö och människor (Björklund, 2016). Resonemanget leder fram till den andra forskningsfrågan för den här uppsatsen.
6
1.4 Forskningsfrågor
1. Varför uppstår det efterfrågevariationer på mejeriprodukter och hur kan dess påverkan mot utgående transporter minimeras?
2. Hur kan fyllnadsgraden justeras för att hantera kapacitetsbrister i utgående transporter hos Mejeriproducenten AB som uppstår på grund efterfrågevariationer?
1.5 Syfte
Syftet med studien är att fylla forskningsgapet mellan efterfrågevariationer och transporter genom att identifiera bakomliggande orsaker till varför dessa variationer uppstår samt föreslå hur de kan minimeras och åtgärdas. Detta genom att skapa ett generellt ramverk som kan användas av flera producerande företag inom samma och liknande branscher.
7
1.6 Disposition
8
2. Metod
________________________________________________________________
I det här kapitlet presenteras den metod som användes vid studiens utförande.
Inledningsvis förklaras att en kvalitativ forskningsstrategi användes, att studien gjordes ur fallstudiedesign, vilka urvalsstrategier som användes, hur datainsamlingen genomfördes och hur datan analyserades. Vidare förklaras vilka kvalitetskriterier som togs i beaktning samt hur studien lever upp till de forskningsetiska överväganden som presenterades. Kapitlet avslutas med en enkel beskrivning av studiens arbetsfördelning samt en sammanställning över de val som gjorts i metodkapitlet.
________________________________________________________________
2.1 Forskningsstrategi
Inom företagsekonomisk forskning skiljer forskare på två olika strategier, kvalitativ forskning och kvantitativ forskning. Bryman & Bell (2011) menar att kvantitativa forskningen grundar sig i att pröva en hypotes som deduceras från teori genom insamling av numerisk data. Vid kvalitativ forskning ligger fokus mer vid ord snarare än siffror. Här vill man skapa en djupare förståelse för en situation genom intervjuer och observationer (Björklund & Paulsson, 2012).
Forskningsstrategin som applicerats i detta arbete har varit av det kvalitativa slaget för att reda ut forskningsfrågorna i ett försök att generera teori med hjälp av den insamlade datan. Data som samlats in till de båda forskningsfrågorna har främst varit kvalitativ data genom intervjuer där forskarna har tolkat respondenternas svar. Kvantitativ data samlades även in i form av numerisk data bestående av försäljningsvolym, fyllnadsgrad samt de svar som enkätundersökningen genererade. Detta dock i linje med kvalitativ forskningsstrategi då syftet var att öka författarnas förståelse kring fallstudien (Bryman & Bell, 2011).
9
2.2 Undersökningsdesign
Det finns flera olika typer av undersökningsdesign såsom komparativ design, longitudinell design, survey-design, experimentell design eller fallstudiedesign.
Valet av undersökningsdesign bestämmer inom vilken omfattning som insamling och analys av data görs. Därav är det viktigt att välja en lämplig undersökningsdesign. Dess omfattning ligger till grund för generering av empiriskt material som ska passa en samling av kriterier och samtidigt de aktuella forskningsfrågor som studien tar avstamp i. De olika kriterierna, reliabilitet, replikerbarhet och validitet, kommer att behandlas mer djupgående i ett senare kapitel (Bryman & Bell, 2011).
Bryman & Bell (2011) beskriver ett fall som en viss plats eller en specifik situation. Det kan exempelvis vara en organisation eller företag. Den här studien är begränsad till transporter inom fallföretaget, Mejeriproducenten AB. Vidare förklarar Bryman & Bell (2011) att fallstudier kan ha inslag av både kvalitativa och kvantitativa forskningsmetoder vilket också förekom i den här studien.
Studiens resultat fastslogs genom kvalitativa data som samlades in genom intervjuer till de båda forskningsfrågorna. Fråga 1 och 2 innehöll kvalitativ data för att skapa en förståelse för hur rutiner vid orderläggning och överlass såg ut samt hur prognoser framställdes hos fallföretaget. Även numerisk data i form av leveransvikt från fallföretagets affärssystem används som underlag för analys av efterfrågevariationer på fallföretaget vilket förekom i forskningsfråga 1. I fråga 2 användes numerisk data för att analysera fyllnadsgraden i transporter. Då studien lagt störst vikt vid forskarnas tolkning av den kvalitativa data som samlades in men kompletterades av numerisk data var fallstudie den undersökningsdesign som var mest lämplig under de omständigheter som studien genomfördes under.
2.3 Urvalsstrategi
Bryman & Bell (2011) presenterar två tillvägagångssätt när det kommer till urval av de respondenter som deltar i studien. Det första är sannolikhetsurval som syftar till att slumpmässigt välja ut ett urval där det går att generalisera resultaten och dra slutsatser om populationen. Det andra är icke-sannolikhetsurval där en individ
10
studeras för att skapa en uppfattning om organisationen personen i fråga arbetar på. Den här studien använde sig utav ett icke-sannolikhetsurval med anledning av att deltagarna inte valdes ut slumpmässigt ur populationen, utan baserat på tillgänglighet och relevans för studien. Icke-sannolikhetsurval innehåller olika varianter av urvalstyper som benämns bekvämlighetsurval, snöbollsurval samt kvoturval.
Vid ett bekvämlighetsurval väljs respondenterna ut helt beroende på enkelhet och tillgänglighet till forskarna. Detta, menar Bryman & Bell (2011) ger en högre svarsfrekvens med intressanta resultat. Snöbollsurval, eller kedjeurval är en typ av bekvämlighetsurval där författarna väljer ut och kontaktar ett fåtal respondenter som är relevanta för studien som sedan används för att kontakta ytterligare respondenter inom deras kontaktnät och på ett sådant sätt skapa en snöbollseffekt (Yin, 2013). Yin (2013) menar vidare att denna typ av avsiktligt urval är att föredra så länge det görs ändamålsenligt och inte endast av bekvämlighet, med risk att studien blir snedvriden. Kvoturval syftar till att avspegla en population som består av olika grupperingar av individer genom ett stickprov. Dessa grupperingar kan till exempel vara kön, ålder eller etnicitet.
Studien utgick från ett bekvämlighetsurval när respondenterna valdes ut. Det empiriska material som samlades in till forskningsfråga 1 bestod av en enkätundersökning som skickades ut via e-post till en population bestående av detaljhandlare. Detaljhandlarna valdes ut baserades på tillgänglighet och i den mån som kontaktuppgifter var publika. Vidare gjordes flertalet intervjuer med relevanta personer inom fallföretagets organisation. Respondenterna var i det här fallet redan introducerade till forskarna vid studiens start och hade en etablerad kontakt vilket bidrog till en ökad tillgänglighet. Forskningsfråga två innehöll datainsamling i form av intervjuer. Respondenterna valdes även här ut baserat tillgänglighet för forskarna. Respondenterna har dock varit på relevanta positioner i organisationen som varit lämpliga intervjuobjekt för studiens ändamål.
11
2.4 Datainsamling
Det finns två olika typer av data, den ena är primärdata och den andra är sekundärdata. Primärdata är data forskarna själva samlar in till exempel genom intervjuer och enkäter. Sekundärdata är data som någon annan har samlat in till exempel dokument, andra studier och databaser (Eriksson & Wiedersheim, 2014). I studien användes både primär- och sekundärdata för att besvara forskningsfrågorna. Primärdata har främst bestått av intervjuer med anställda på Mejeriproducenten AB samt enkäter som besvarades av detaljhandlare.
Sekundärdata har samlats in från Mejeriproducenten AB där författarna har tagit del av olika data i form av leveransvikt, datum, ordrar från kunder och fyllnadsgrad genom programmet Qlikview som Mejeriproducenten AB använder sig utav.
2.4.1 Intervjuer
Yin (2013) lyfter fram att det finns många former en intervju kan ha men att det kan brytas ned till två huvudkategorier: strukturerade intervjuer och kvalitativa intervjuer. Bryman & Bell (2011) bryter ned kvalitativa intervjuer ytterligare till ostrukturerade intervjuer samt semistrukturerade intervjuer.
Vid en ostrukturerad intervju utgår forskaren inte från någon intervjuguide utan har en tanke om vilka teman intervjuaren vill gå igenom under intervjun. Detta kan likna mer av ett vanligt samtal, jämfört med en mer strukturerad intervju, där forskaren ställer en initial fråga där intervjupersonen sedan får svara fritt och forskaren kan ställa uppföljningsfrågor vid intressanta punkter (Bryman & Bell, 2011).
Semistrukturerad intervju är något mer strukturerad. Här används en intervjuguide som innehåller specifika teman som lägger grunden till de frågor som ska besvaras under intervjun. Forskaren är inte bunden till att ställa frågorna i en viss ordning och den intervjuade får möjlighet att utforma svaren själv. Forskaren kan även ställa frågor som inte är utformade i studieguiden som är kopplade till något den intervjuade tidigare sagt (Bryman & Bell, 2011).
12
Vid kvantitativ forsknings används strukturerade intervjuer, ofta i form av surveyundersökningar (Bryman & Bell, 2011). Här bygger forskaren upp samma förutsättningar för samtliga respondenter genom att fastställa frågeschema i förväg. Detta föredras i kvantitativ forskning då detta säkerställer jämförbarhet mellan respondenter vilket är reliabelt om svaren är från identiska frågor (Bryman & Bell, 2011).
Forskarna i detta arbete har i största utsträckning använt sig av ostrukturerade samt semistrukturerade intervjuer då intervjuerna ska ge forskarna en djupare förståelse för Mejeriproducenten ABs verksamhet. Intervjuguiderna går att ta del av i Appendix A till C. Flexibiliteten som finns vid dessa typer intervjuer har tillåtit respondenterna att dela med sig av information som forskarna själva inte vetat varit av intresse, samt även gett forskarna möjlighet att reagera på svaren den intervjuade personen ger. Denna metod har gett författarna strukturen samt flexibiliteten som varit önskvärt i denna fallstudie hos Mejeriproducenten AB.
Titel Datum Insamlingsmetod Ämne
Transportchef 2020-01-16 Ostrukturerad Uppstart intervju
Transportchef 2020-02-12 Ostrukturerad Utvecklande av
intervju ämnesområde
Demand Planner 2020-04-09 Semistrukturerad Upprättandet av
Intervju prognoser
Customer Service 2020-04-29 Semistrukturerad Rutiner kring
Manager intervju orderläggning
Transportchef 2020-05-14 Semistrukturerad Överlass och intervju fyllnadsgrad
Figur 3. Genomförda intervjuer. (Egen illustration)
2.4.2 Enkätstudie
Forskarna har även använt sig utav enkätundersökning för att kontakta kunder till Mejeriproducenten AB. En enkätstudie liknar en strukturerad intervju, skillnaden är att det inte finns en intervjuare på plats. Detta innebär att det är lättare att samla in data från fler respondenter som är mer utspridda samtidigt som det sparar tid
13
och pengar. Det negativa med enkäter är att inga uppföljningsfrågor kan ställas samt att det ofta blir ett stort bortfall. För att minska bortfallet finns det en del åtgärder. Några av dessa är att utforma ett introduktionsbrev som skickas med enkäten där syftet förmedlas, inte ha för långa enkäter som tar för lång tid att besvara samt inte ha för många öppna frågor (Bryman & Bell, 2011).
Enkätstudien som genomfördes i denna studie gjordes för att få ett större urval av respondenter samt för att få en förståelse över detaljhandlarnas syn på efterfrågevariationer men också för att lätt kunna sammanställa och jämföra svaren från dessa på ett reliabelt sätt, vilket inte hade varit möjligt på något annat vis. Som tidigare nämnts skickades enkäten ut till detaljhandlare som får leveranser av Mejeriproducenten AB och i deras närområde, samt vars kontaktuppgifter har funnits tillgängligt. Enkäten inleddes med en beskrivning till varför respondenten valts ut och varför dennes svar var viktiga samt syftet med undersökningen. I ett försök att minska bortfallet utformades ingen öppen fråga utan på ett så tydligt sätt som möjligt. Enkäten hölls också kort med ett fåtal frågor men tillräckligt innehållsrika för att ge tillfredsställande och användbara svar.
2.4.3 Analysverktyg
Den kvantitativa datan samlades in genom datasystemet Qlikview som används som analysverktyg på Mejeriproducenten AB. Qlikview är ett business intelligence verktyg som samlar data från de informationssystem som används för orderhantering, lagring och distribution. Systemet möjliggör filtrering av datan, att exportera den till excel och kan samtidigt presentera den i olika tabeller och diagram (Qlik, 2020). Data som valdes att samlas in från Qlikview var data författarna ansåg vara nödvändig för att besvara de två forskningsfrågorna samtidigt som det inte överskred sekretessavtalet som upprättades (se avsnitt 2.7). Till forskningsfråga 1 samlades data in kring leveransvikt på två produkter, yoghurt och mjölk under hela 2019. Detta för att se hur vikten varierat vecka till vecka och därmed efterfrågevariationerna vilket första frågan har behandlat. Den totala leveransvikten samlades även in för att se den totala efterfrågevariationer Mejeriproducenten AB upplevt. Till forskningsfråga 2 samlades data in kring fyllnadsgrad i olika körslingor Mejeriproducenten AB kör i samma område. Data
14
var begränsad till första kvartalet 2019 på grund av sekretess och tillgänglighet.
För att kunna analysera fyllnadsgraden i olika slingor bröts data ner till dagtid då en lastbil kör en slinga per dag.
2.5 Dataanalys
Yin (2012) redogör för olika tekniker på hur data ska analyseras vid en fallstudie. Han redogör bland annat om tidsserieanalyser, programlogiska analyser samt mönsterjämförelse där den sistnämnda är en av de vanligaste metoderna för dataanalys i fallstudier. Mönsterjämförelse innebär att forskaren jämför ett förväntat mönster med den empiriska data som samlas in. Om en koppling hittas mellan den empiriska datan och det förutsagda mönstret stärks den interna validiteten i fallstudien.
I denna studie har en mönsterjämförelse används för att analysera den insamlade datan om transporterna och efterfrågan. Analysen av den empiriska datan i forskningsfråga 1 som rör försäljningsvolym utgick från ett förutsagt mönster som baserade sig delvis på fallföretagets upplevelser och delvis på en teoretisk baserad uppfattning om vad som orsakar variationer i efterfrågan. Den empriska datan i forskningsfråga 2 bestod utav fyllnadsgrad för de undersökta rutterna.
Fallföretaget delade med sig av sin uppfattning om att det råder kapacitetsbrist i transporterna vilken jämfördes mot den empiriska datan. Jämförelsen konstaterar att uppfattningen är korrekt, men endast delvis då kapacitetsbrist endast existerar i några av rutterna som undersöktes.
2.6 Kvalitetskriterier
I kapitel 2.2 nämndes det att den kvalitativa forskningen skall passa en samling kriterier. I det här kapitlet redogörs det för kriterierna samt hur studien uppfyller dessa kriterier. Kriterierna i fråga är reliabilitet och validitet. Reliabilitet syftar till studiens pålitlighet, att resultatet skulle bli densamma om studien skulle göras om.
Med validitet menas att studien mäter det som den avser att mäta. En del forskare lägger ingen större vikt vid kriterierna och menar att de lämpar sig bättre för kvantitativ forskning. Vidare kan en fallstudie ha inslag av både kvalitativa och kvantitativa forskningsmetoder vilket ökar kriteriernas relevans. Kriterierna
15
kan även anpassas mot kvalitativ forskningsmetod genom att dela upp dem:
Extern reliabilitet, Intern reliabilitet, Extern validitet och Intern validitet (Bryman & Bell, 2011).
Till vilken grad som studien kan replikeras kallas extern reliabilitet. Att göra om en fallstudie och få samma resultat kan emellertid vara mycket svårt och på snudd till omöjligt då studien görs mot ett specifikt fall vid en specifik tid i en dynamisk omvärld. Den forskare vars syfte är att replikera en tidigare gjort fallstudie måste därför gå in i en liknande social roll som den tidigare forskaren. Detta för att beakta de krav som extern reliabilitet ställer. Studien på Mejeriproducenten AB har tagit kriteriet i beaktning i forskningsfråga 1 genom att konstruera ett generellt ramverk som inte endast kan användas på fallföretaget i fråga utan även på andra producerande företag, inte minst i samma bransch. Intern reliabilitet betyder att kriteriet kan uppfyllas genom att ett potentiellt forskningslag är överens över tolkningen den forskning som görs. Den här studien uppfyller kriteriet genom att följa ett tydligt och logiskt strukturerat tillvägagångssätt som bidrar till att dess innehåll är enkelt att ta till sig.
Extern validitet betyder att relationen mellan forskarens idéer och de observationer som görs är relevanta och överensstämmer med varandra. Studien uppfyller kriteriet genom den långvariga närvaron och nära relationen med fallföretaget. Genom att studien genomfördes under en längre period kunde en djup förståelse för problemet etableras. Denna förståelse var en stor orsak till att den höga grad av överensstämmelse mellan studiens begrepp och observationer.
Extern validitet innebär att studiens resultat skall kunna appliceras på andra situationer och miljöer än den som studien genomfördes i. Att uppfylla kriteriet är inte helt enkelt med anledning av att studien är av fallstudiedesign.
Forskningsfråga 1 uppnår en generaliserbarhet då det ramverk som presenteras kan användas av andra företag än fallföretaget. Den andra forskningsfrågan uppnår inte generaliserbarhet då den syftar till att öka kunskapen kring fyllnadsgraderna i fallföretagets slingor och hur problemet som medföljer kan åtgärdas (Bryman & Bell, 2011).
16
2.7 Forskningsetiska överväganden
Etik inom forskning rör främst behandlingen av de individer som ingår i studien samt vilka aktiviteter som bör eller inte bör tas i beaktning tillsammans med de individerna. Etiken kretsar kring ett antal regler som rör frivillighet, integritet, konfidentialitet och anonymitet. För svensk forskning gäller exempelvis följande principer: Informationskravet, Samtyckeskravet, Anonymitetskravet, Nyttjandekravet samt Falska förespeglingar.
Informationskravet innebär att studiens deltagare skall ta del av information om studiens utförande och dess olika moment. Deltagarna ska även bli informerade om i vilket syfte som studien görs. Det bakomliggande problemet till den här fallstudiens uppståndelse presenterades av Mejeriproducenten AB. Av den anledningen finns det en ömsesidig förståelse för studiens syfte. De individer som förekom i studien har också blivit informerade om de olika momenten innan de genomfördes för att säkerställa att informationskravet uppfylls. Samtyckeskravet råder för att de individer som deltar i studien samtycker till att deltagandet är frivilligt och kan avbrytas när som helst. Anonymitetskravet betyder att alla uppgifter som ingår i studien skall behandlas med största möjliga försiktighet. Det kan röra allt från personuppgifter till känslig information om företaget. Forskarna bakom fallstudien på Mejeriproducenten AB har vidtagit alla nödvändiga åtgärder för att se till dessa uppgifter respekteras och att anonymitetskravet uppfylls.
Exempelvis har ett sekretessavtal upprättas mellan forskarna och Mejeriproducenten AB. I sekretessavtalet säkerställs det även att de uppgifter som forskarna får tillgång till endast skall användas till studiens ändamål. Därmed är även nyttjandekravet uppfyllt. Det sista kravet som den här studien behandlar är det om falska förespeglingar. Kravet innebär att forskarna bakom studien ej skall vilseleda dess deltagare genom att delge falsk information. Den information som delgavs till studiens deltagare är tagen från teori som är hämtad från publicerad vetenskaplig forskning och litteratur. Därför får informationen ses som legitim vilket bidrar till att kravet om falska förespeglingar uppfylls.
17
2.8 Individuellt bidrag
Forskarna medger att samarbetet fungerat väl under hela arbetsprocessen och har båda bidragit lika mycket till studiens resultat.
2.9 Metodsammanfattning
Metodsammanfattning
Forskningsstrategi
Kvalitativ
Undersökningsstrategi Fallstudie
Urvalsstrategi Bekvämlighetsurval
Datainsamling Primär- & Sekundärdata,
Semistrukturerade intervjuer,
Surveyundersökningar
Dataanalys Mönsterjämförelse
Kvalitetskriterier Inre/yttre reliabilitet & validitet
Forskningsetiska övervägande Informationskravet, Samtyckeskravet,
Anonymitetskravet, Nyttjandekravet,
Falska förespeglingar
Figur 4. Metodsammanfattning. (Egen illustration)
18
3. Forskningsfråga 1 - Varför uppstår det efterfrågevariationer på mejeriprodukter och hur kan dess påverkan mot utgående transporter minimeras?
________________________________________________________________
Det här kapitlet undersöker det första stadiet i Figur 5. Kapitlet inleds med den teori som används för att besvara forskningsfråga 1. Vidare presenteras den empiri som samlats in och analyseras avslutningsvis tillsammans med teorin.
Sist beskrivs slutsatsen för att konkretisera och lyfta fram svaret på forskningsfråga 1.
Figur 5. Förklaringsmodell av problematiken till forskningsfråga 1. (Egen illustration)
________________________________________________________________
3.1 Teori
________________________________________________________________
Kapitel 3.1 introducerar den teori som krävs för att besvara forskningsfråga 1.
FMCG presenteras för att få en förståelse för vilken typ av bransch fallföretaget befinner sig i samt vad produkterna har för karaktärsdrag. Fortsättningsvis presenteras efterfrågad kvantitet som ett viktigt begrepp som ligger till grund för att förstå vad som ligger bakom efterfrågevariationer och dess orsaker. Teorin om prognostisering används för att undersöka och skapa förståelse för hur efterfrågevariationer kan preserveras. Teori om samarbete i försörjningskedjor
19
och CPFR tas upp för att få förståelse om efterfrågevariationer och hur en försörjningskedja kan arbeta tillsammans för att minska dessa.
________________________________________________________________
3.1.1 Karaktärsdrag för FMCG
Fast-moving Consumer Goods (FMCG) präglas av relativt billiga produkter som köps ofta och i mindre kvantiteter av konsumenter (Leahy, 2015). FMCG har ofta kortare produktlivslängd och hög efterfrågan vilket sätter press på både produktion och distribution då det ofta finns många substitut och utan hög märkes-lojaliteten, som ofta saknas inom FMCG, är det lätt att snabbt förlora försäljning (Majumdar, 2007). Enligt Grubor & Milicevic (2015) har FMCG ofta höga försäljnings-variationer vilket ökar risken för varan är slut på lager och i butiker. Detta gör även att processen av att ta fram prognoser blir svårare och extra analyser måste göras vid prognostiseringen av framtida försäljning för att minska risken för varubrist. Corsten & Gruen (2003) menar att kostnaderna för en varubrist är högre vid FMCG jämfört med produkter med kortare omsättningshastighet och livslängd, för både producenter och detaljhandlare.
Rabbi et al. (2013) tar upp att efterfrågevariationer inom livsmedelsbranschen varierar dagligen vilket beror på varornas korta hållbarhet samt konsumenternas köpmönster. I studien som genomfördes kom det fram att de främsta orsakerna på variationerna var felaktiga prognoser, helger samt hållbarheten på varorna.
3.1.2 Efterfrågad kvantitet
De flesta av dagens marknader drivs av någon form av efterfrågan. Oavsett om slutkunden är ett företag eller en konsument. Vidare är efterfrågan tillsammans med utbud de två huvudkomponenter i handel. Historiskt har företag tenderat att lägga störst vikt vid planering av produktion och således utbud. I takt med att företag övergår till en betydligt mer kundorienterad produktion är det nödvändigt att beakta efterfrågan minst lika mycket. När man talar om efterfrågan syftar man oftast på den efterfrågade kvantiteten. Den efterfrågade kvantiteten innebär hur mycket av en produkt eller tjänst som vi vill köpa vid en viss period som till exempel dag, vecka eller månad etcetra. Men inte till vilket pris som helst. Vidare kan efterfrågad kvantitet definieras som den kvantitet av en produkt eller tjänst
20
som vi vill köpa vid en viss period till ett visst pris. Därtill är varje konsument begränsad av sin egen inkomst. Det är även viktigt att förstå att utbudet oftast är begränsat vilket kan få effekten att det som faktiskt köps underskrider den efterfrågade kvantiteten. Vidare påverkas efterfrågan av priset på andra produkter och tjänster. Om en liknande produkt säljs till ett lägre pris kan efterfrågan för en produkt minska. Vi har alla också olika preferenser när det kommer till produkter och tjänster (Lundmark, 2014).
3.1.3 Orsaker till efterfrågevariation
I Figur 6 illustreras de två olika typer av efterfrågevariation som Mattsson (2015) tar upp. Den första benämnas verkliga efterfrågevariationer vilket syftar till de variationer som uppstår utanför företaget. Den andra benämnas självgenererade efterfrågevariationer vilka uppstår internt i företagets organisation.
Figur 6. Verkliga och självgenererade efterfrågevariationer. (Mattsson, 2015, s. 2)
Verklig efterfrågevariation uppstår på grund av att slutkonsument har ett ojämnt köpmönster. Dessa typer av variationer leder till självgenererad efterfrågevariation och bidrar då till en icke kostnadseffektiv produktion och effektiva materialflöden (Mattsson, 2015). Mattsson (2015) fortsätter och menar att det finns en rad olika anledningar till att variationer uppstår. Den första orsaken till variation kallas för periodiseringsproblemet vilket innebär att volymerna brukar öka i slutet av en period (se figur 6), vare sig det är slutet av en månad eller ett kvartal. Ytterligare en orsak till variation är att många företag använder sig av kvantitetsrabatter, alltså att det blir billigare vid större köp. Detta leder till problem både för producent som får större variation i beställd volym men även för kund som måste lagra mer än vad de är egentligen behov av. Ett stort problem som kan uppstå är vid avsaknad av informationsdelning vid kampanjer mellan produktionen och kunder vilket kan leda till stora påfrestningar på tillgänglig
21
kapacitet hos det producerande företaget samt ge missvisande information om verklig försäljning. Den sista anledningen till efterfrågevariation Mattsson (2015) tar upp är på grund av bristande kommunikation mellan kund och producerande företag. Om leverantör vid en ökning av efterfrågan måste förlänga leveransdatumet kan det köpande företaget se detta som att leverantören börjar få leveransproblem och bestämmer sig därför att säkerställa nästa leverans och beställer då mer än den verkliga efterfrågan. Leverantören kan se detta som en ökning i efterfrågan och inställer sig därefter medan kunden minskar eller annullerar ordrar så fort normala leveranstider återkommer.
Figur 7. Periodiska utleveranser. (Mattsson, 2015. s.3)
3.1.4 Prognostisering
Prognistisiering är en drivande faktor i planering och vid beslutfattande inom SCM. I dagens mer komplex försörjningskedja har vikten av mer pricksäkra prognoser ökat markant då prognoser är grunden till alla aktiviteter inom en försörjningskedja (Avici, 2019)
Prognostisering är en uppskattning av den framtida efterfrågan för ett företags produkter. Detta används för att fatta beslut om resursanskaffning, resursanvändning och den operativa verksamheten (Jonsson & Mattson, 2017) för att bland annat minska förlorad försäljning och kontrollera transportkostnader (Ross, 2016). Jonsson & Mattson (2017) menar att prognoser kan tas fram antingen baserat på individers erfarenhet eller matematiska beräkningar, vilket Ross (2016) definierar som kvalitativa och kvantitativa prognos-metoder.
På grund av mänsklig inblandning på en marknad består den av slumpmässighet och evig variation och gör därmed framtiden osäker när det kommer till
22
efterfrågan (Ross, 2016). Detta innebär att en prognos är nödvändig för att försöka förutspå dessa variationer men även att en prognos inte kommer vara en korrekt spegling av verkligheten och därför bör prognosfelberäkning och prognoskontroll vara en del av ett prognossystem (Jonsson & Mattson, 2017).
Ross (2016) tar upp att bra prognostisering bidrar till minskad försäljning och dyr distribution samt till snabbare och skalbara supply chain nätverk. Ross (2016) fortsätter och menar att det finns fyra karakteristiska drag av en prognos;
en prognos kommer vara felaktig, den är mest användbar då den existerar tillsammans med en metod som mäter felen, de är mer pricksäkra desto större populationen är, de är mer pricksäkra för kortare tidsperioder.
För att skapa en effektiv prognos som kan användas som beslutsunderlag finns det flera dimensioner som har en kritisk roll i framtagandet som måste övervägas innan arbetet påbörjas. Det är bland annat vilken tidshorisont prognosen gäller, hur detaljerad datan är, hur stabil miljön är samt hur ens planerings- och beslutsprocesser ser ut (Ross, 2016).
Adebanjo & Mann (2000) menar att prognostisering är en kritisk nyckelprocess, inom matindustrin som påverkar hela verksamheten och leder bland annat till bättre användning av tillgångar, lägre lager i hela försörjningskedjan samt bättre partnerskap mellan aktörerna. Här är det viktigt att leverantörerna samt detaljhandlarna delar information med varandra och kommer överens om en prognos för framtida inköp. Avici (2019) fortsätter och menar att de tre huvudsakliga orsakerna till en pricksäker prognos är informationsflöde, mänskliga faktorn samt tillgänglig teknologi och verktyg (2019).
3.1.5 Samarbete i försörjningskedjor
I dagens företagsvärld är det det inte längre hållbart att endast kunna reagera snabbt på omvärlden utan det krävs att ett företag kan förutse vad som kommer att hända i framtiden. För att detta ska vara möjligt i en försörjningskedja krävs det samarbete mellan de involverade parterna Ireland & Crum (2005).
23
Informationsdelning har blivit en viktig del i utvecklingen av logistikprocesser där lager och transport upptar stora kostnadsposter (Autry et al., 2012). Pokharel (2005) menar att alla delar i en försörjningskedja gynnas av bättre tillgänglighet av information. Ireland & Crum (2005) fortsätter och menar att samarbete kan även leda till bättre kundservice och reducerar spill samt kostnader genom hela försörjningskedjan. Stegen för att ta fram en strategi där samarbete ligger till grunden är; utbildning, delning av information och kunskap, komma överens om samarbetets struktur och tillslut utförandet vilket har sammanställts i figur 8 (Ireland & Crum, 2005).
Utbildningsfasen kan vara i form av workshops eller liknande där deltagarna diskuterar hur ett samarbete kan gynna båda parter. Enligt Ireland & Crum (2005) är det viktigt att alla förstår och stödjer samarbetet för att inte riskera medelmåttiga resultat av samarbetet.
Nästa steg som är delning av information och kunskap handlar om att förstå varandras processer. En bra metod att använda här är att utföra en processkarta för att förstå vad för typ av informations som krävs, vem som behöver den och när samt hur informationen ska användas. Ireland & Crum (2005) menar att det finns många möjligheter till samarbete, allt från granskning av efterfrågan (prognostisering) till materialplanering. För att stödja denna informationsdelning finns det flera teknologier som används för att stötta aktiviteter som bland annat transporthantering samt flott- och godshantering. Desto högre nivå av teknologi desto högre kostnadsinbesparingar genom säkrare och mer effektiva transportsystem (Autry et al., 2012).
Det tredje steget är komma överens om bestämmelserna mellan de två parterna vilket är en viktig del i processen. Här ska det dokumenteras hur samarbets- processen ska fungera, vilka mål som finns, vad det finns för uppdrag och roller och vem som ansvarar för vad, först internt och sedan med den externa parten. Ireland
& Crum (2005) föreslår att använda 80/20-regeln där en väljer ut de 20 procent som står för 80 procent av omsättningen, för att välja ut de man vill inleda samarbete med. Här finns det mått som båda parter bör använda sig av för att
24
arbetet ska fungera bra så som prognosernas pricksäkerhet, försäljningsintäkter, servicenivå och logistikkostnader.
När planeringsarbetet och förberedelserna är gjorda ska arbetet starta och genomföras. Planeringsarbetet bör ha specificerat hur prognoser skapas, roller och ansvar och hur ordrar skapas. Under denna tid är det viktigt att mäta och göra justeringar som kan förbättra samarbetet. Ireland & Crum (2005) menar att allt detta ska till en början göras i mindre skala på några få produkter och parter för att hitta fördelar, lära sig av misstag, se vad det kostar och se vad för teknik som behövs för att utvidga samarbete med fler parter och produkter. En metod för främjat samarbete är CPFR.
Figur 8. Hur samarbete i försörjningskedjor fungerar. (Egen illustration baserat på Ireland & Crum, s. 78, 2005)
3.1.5.1 Collaborative Planning, Forecasting and Replenishment (CPFR)
Den ökade komplexiteten inom livsmedelsbranschen har satt stor press på systematisk planering där det inte räcker med att dela med sig av information utan hela försörjningskedjan måste tillsammans planera, prognostisera och fylla på lager (CPFR). De största svårigheterna med att implementera CPFR är enligt Avici (2019) bland annat att det finns för lite tillförlitlighet och villigheten att dela information mellan parterna och den tekniska supporten inte finns tillgänglig.
Ireland & Crum (2005) har tagit fram en checklista som kan användas för att se om sin organisation är redo att inleda ett samarbete och har delat in listan i tre delar;
företagskultur, processer och teknologi. Checklistan besvaras med en skala
25
mellan 0 och 4 där 4 är utmärkt och 0 är att företaget inte utför det alls eller att företaget inte har möjlighet till det. Hamnar det totala genomsnittet under 2 bör företaget granska verksamheten innan CPFR börjar implementeras.
Inom företagskulturen är det viktigt att företaget prioriterar samarbete som en av det högsta strategiska målen, att det är internt samarbete mellan avdelningarna för att förstå arbetsuppgifter och nå uppsatta mål, samt att företaget har ett projektfokus med höga prioriteringar på omvandla strategiska initiativ. De olika processer som bör ses över är bland annat hur den prognostiserade efterfrågan tas fram vilket bör vara ett samarbete mellan flera avdelningar som tar fram en plan varje månad och integreras via försäljning och den operativa planeringen.
Det handlar även om att integrera efterfrågeplanering med försörjningsplanering samt använda sig utav olika mått dels mellan avdelningar men också inom avdelningar. De tekniska handlar om att använda sig utav ett system som är anpassat för organisationen som också gör det lätt att implementera samt att hela organisationen är integrerad i samma system. Programvaran ska också kunna möjliggöra samarbeten med flera parter, hantera leveranser på produkt- och butiksnivå samt varna när nivåerna blir för låga eller kapaciteten inte räcker till (Ireland & Crum, 2005).
För att stärka samarbetet mellan leverantör och kund i dagens samhälle gäller det att utveckla teknologin och informationsdelningen mellan företagen. För att inköpsprocessen, och därmed ordermottagande, ska ske effektivt och pricksäkert krävs det att ett informationssystem bidrar med uppdateringar i realtid, gemensam uppdatering av efterfråga och tillgänglighet (Ross, 2011). För att kunna utnyttja ett företags resurser på ett effektivt sätt samtidigt som kundens krav tillfredsställs kan ett transportsystem komma till nytta. Detta är ett nödvändigt och kraftfullt verktyg som inte endast ska följa det materiella flödet utan ska styra det, där information om leverans, volym och lokalisation som ligger till grund för planering och styrning (Lumsden, et al., 2019).
26
3.2 Empiri
________________________________________________________________
För att kunna analysera efterfrågevariationer måste dess orsaker undersökas.
Därför inleds kapitlet med en enkätundersökning som genomfördes riktade till detaljhandlare inom livsmedelsindustrin. Därefter presenteras upprättandet av prognoser hos fallföretaget samt nuläge av informationsflöde vid orderläggning. Det med anledning för att undersöka hur Mejeriproducenten AB kan hantera efterfrågevariationer.
________________________________________________________________
3.2.1 Efterfrågevariationer i detaljhandeln
Verkliga efterfrågevariationer uppstår utanför det egna företaget. För Mejeriproducenten AB innebär det att dessa variationer uppstår hos detaljhandlare och slutkonsumenter. Av den anledningen genomfördes en enkätstudie som skickades ut till olika detaljhandlare inom livsmedelsbranschen.
Den första frågan som ställdes var : Upplever ni stor efterfrågevariation på mejeriprodukter?
Figur 9. Upplevd efterfrågevariation. (Egen illustration)
88% av respondenterna svarade att de upplever en stor grad av efterfrågevariation på mejeriprodukter medan 12% svarade att de inte gör det. Vidare ställdes frågan:
Inom vilka produktkategorier upplever ni störst efterfrågevariation? I nedan
27
diagram presenteras vilka produktkategorier som respondenterna upplever mest efterfrågevariation inom. 3% av respondenterna svarade mjölk, 47% svarade Yoghurt/Filmjölk, 22% svarade Grädde, 6% svarade Kvarg, 9 % svarade Gräddfil, 6% svarade Smör och 6% av respondenterna svarade Ost.
Figur 10. Efterfrågevariationer inom produktkategorier. (Egen illustration)
Den tredje frågan som ställdes var : Vad tror ni är de största orsakerna till variationer i försäljningsvolymen av mejeriprodukter? Respondenterna fick välja mellan olika alternativ som finns listade i tabellen nedan. 31% Svarade Kampanj, 19% svarade Säsong, 6% svarade Helg, 9% svarade Högtid, 6%
svarade löning och 28% av respondenterna svarade Annat.
Figur 11. Orsaker till efterfrågevariationer. (Egen illustration)
28
De som svarade alternativ Annat fick möjligheten att specificera sitt svar vilket kan sammanfattas som kundbeteende beroende på dag/vecka samt trender.
Slutligen fick respondenterna svara på frågan: Kan ni som detaljhandlare tänka er ett närmare samarbete med era leverantörerna i syfte till att minska risken för efterfrågevariation? 78% av respondenterna svarade ja, att de är benägna att föra ett närmare samarbete med sina leverantörer för att minska risken för efterfrågevariation. 22% av respondenterna svarade nej, att de inte är benägna att föra ett närmare samarbete med sina leverantörer.
Figur 12. Vilja till samarbete. (Egen illustration)
3.2.2 Mejeriproducenten ABs nuvarande framtagning av prognoser
Mejeriproducenten AB använder sig främst av datasystemet Microsoft excel vid prognostisering av efterfrågan. Prognosen läggs på artikelnivå och baseras på en så kallad baseline och uplift. En baseline estimerar framtida efterfrågan genom att hämta data från historisk efterfrågan. Den historiska efterfrågan utgörs av föregående års försäljning och baseline beräknas på delar av artikel sortimentets genom att multiplicera denna försäljning med ett index. Uplift innebär att förutse vilka faktorer som kan öka chansen för att konsumenter genomför ett köp och det sammanvägda resultatet bildar prognosen. På andra delar av artikel sortimentet saknas möjligheten att beräkna baseline genom ett index. I dessa fall utgörs prognosen av manuell bearbetning och analys genomförs av respektive demand planner. I analysen ser man till föregående års försäljning, trender, säsongsvariationer etc. Oavsett vilken prognostiseringmetod som används är
29
