INOM TEKNIKOMRÅDET EXAMENSARBETE INDUSTRIELL EKONOMI OCH HUVUDOMRÅDET MASKINTEKNIK, AVANCERAD NIVÅ, 30 HP , STOCKHOLM SVERIGE 2019
Identifiering av potentialer
för varuflödesoptimering
ELISABET TÖRNERED
OLIVIA BIRGERSSON ASP
KTH
Identifiering
av potentialer för
varuflödesoptimering
Elisabet Törnered
Olivia Birgersson Asp
Kungliga Tekniska Högskolan
MG212X Examensarbete inom industriell produktion, avancerad nivå 4 juli 2019
Sammanfattning
Trots att det hos Arla pågår kontinuerliga förbättringsarbeten för att uppnå kortare, färre och mer fullastade transporter, tar transporterna ibland omvägar, gör onödiga stopp, går dubbelt eller med lägre fyllnadsgrad än önskvärt. Med en tydlig visuell överblick där logistikflöden synliggörs och relateras till KPI:er skulle sådana problem kunna upptäckas och hanteras. Syftet med arbetet är att utreda hur Arla kan identifiera potentialer för optimering av varuflöden, sett ur ett kostnads- och ledtidsperspektiv. För att besvara den snarlikt formulerade frågeställningen delas arbetet upp i två separata case: Omläggning av Esbjerg-flödet och Synliggörande av Charterflödet. Medan avsikten med det första är att utreda en redan identifierad potential, är tanken bakom det andra att synliggöra nya potentialer. Som ett första steg kartlades därför Arlas varuflöden i fråga om interna leveranser, varefter en modell för visualisering utvecklades. I slutändan är målet att modellen ska fungera som ett beslutsunderlag för att åstadkomma kostnadsbesparingar och/eller ledtidsförkortningar. För att uppnå detta genomfördes en litteraturstudie, studiebesök, intervjuer, analys av historiska data och modellering i Microsoft Power BI. I och med att datainsamling och modellering pågick simultant var processen för att utvärdera potentiella lösningar iterativ, och för att besvara frågeställningen används de beräkningar och visualiseringar som inkluderats i modellen. För Esbjerg-flödet genomfördes dessutom en totalkostnadsanalys, känslighetsanalys och värdeflödesanalys.
Vår rekommendation för det första caset, som alltså omfattar en eventuell omläggning av Esbjerg-flödet, är att ta projektet vidare och undersöka den praktiska genomförbarheten. Vår totalkostnadsanalys visar att en omläggning i teorin skulle medföra betydande besparingar då investeringskostnaderna betalats av, vilket skulle ske efter två år. Vidare skulle omläggningen innebära en direkt reduktion av ledtiden med omkring en procent, även om ledtiden potentiellt skulle kunna reduceras ytterligare genom minskade säkerhetslager.
Abstract
Although Arla is working with continuous improvements in order to attain shorter, fewer and more fully loaded transports, these sometimes make detours, unnecessary stops, run double or with lower fill rates than desirable. With a clear visual overview of the logistics flows related to KPIs, such problems could be detected and handled.
The purpose of the project is to investigate how Arla from a cost and lead time perspective can identify potentials for optimizing its product flows. In order to answer the similarly formulated research question, the project is divided into two separate cases: Redirection of the Esbjerg flow and Visualization of the Charter flow. Whereas the objective of the first case is to investigate a possible redirection of a specific product flow on a deeper level, the idea behind the second is to highlight potential synergies. As a first step, Arla's domestic product flow was mapped, after which a visualization model was developed. In the end, the model has been designed to function as a supporting tool for decision-making in order to achieve cost savings and/or lead time reductions. To achieve this, we conducted a literature review, made study visits, held interviews, performed analysis of historical data and modelled in Microsoft Power BI. As the data collection and modeling was conducted simultaneously the process of evaluating potential solutions was iterative, and the calculations and visualizations included in the model were used to answer the research question. Additionally, a total cost analysis, a sensitivity analysis and a value stream analysis were carried out for the Esbjerg flow.
Our recommendation for the first case regarding the redirection of the Esbjerg flow is to proceed to examine the practical feasibility. Our total cost analysis shows that redirecting the product flow would result in substantial savings when the investment costs have been paid. Furthermore, the lead time would be reduced by around one percent, with potential to be reduced further if safety stock levels are lowered.
Regarding the second case, Visualizing the Charter flow, we recommend Arla to explore the possibilities of reducing the number of trucks from Esbjerg, to follow up high cost route sections with actions such as joint loading, to balance flows over the week and other route sections so that the number of extra trucks are minimized, and to place future expansions where trucks currently depart empty.
Förord
Först och främst vill vi rikta ett stort tack till Arla för möjligheten att genomföra vårt examensarbete hos er - det har varit både roligt och lärorikt. Vi vill särskilt tacka vår handledare Henrik Svegner för vägledning, uppmuntran och värdefull input under arbetets gång. Vi vill givetvis även tacka övriga anställda på̊ Arla, som alla varit otroligt hjälpsamma. Listan på anställda som bidragit till arbetet väldigt lång, varför vi hoppas att ni vet vilka ni är och hur mycket vi uppskattat er hjälp.
Slutligen vill vi också tacka vår handledare från KTH, Jerzy Mikler, för feedback under arbetets gång.
Innehållsförteckning
1 INLEDNING ... 1 1.1 BAKGRUND ... 1 1.2 SYFTE OCH FRÅGESTÄLLNING ... 1 1.3 AVGRÄNSNINGAR ... 2 1.4 METOD ... 2 2 TEORETISK REFERENSRAM ... 4 2.1 TRANSPORTSYSTEM ... 4 2.2 TREDJEPARTSLOGISTIKER ... 6 2.3 TRANSPORTTJÄNSTER ... 6 2.4 TRANSPORTPLANERING ... 6 2.5 PRISSÄTTNING ... 9 2.6 VÄRDEFLÖDESANALYS ... 10 2.7 TOTALKOSTNADSANALYS ... 11 2.8 KÄNSLIGHETSANALYS ... 13 2.9 RELATIONSDATABASER ... 14 2.10 BUSINESS INTELLIGENCE ... 16 3 NULÄGESBESKRIVNING ... 17 3.1 TRANSPORTSYSTEM ... 17 3.2 TRANSPORTTJÄNSTER ... 17 3.3 TRANSPORTPLANERING ... 18 3.4 PRISSÄTTNING ... 193.5 CASE 1: OMLÄGGNING AV ESBJERG-FLÖDET ... 20
3.6 CASE 2: SYNLIGGÖRANDE AV CHARTERFLÖDET ... 27
4 MODELL FÖR VISUALISERING ... 29
4.1 MODELLENS STRUKTUR ... 29
4.2 MODELLENS FUNKTIONER ... 31
5.2 CASE 2: SYNLIGGÖRANDE AV CHARTERFLÖDET ... 42 6 DISKUSSION ... 51 7 REKOMMENDATIONER ... 55 8 FÖRSLAG TILL FORTSATT ARBETE ... 57 REFERENSER ... 58 APPENDIX ... 60
APPENDIX 1: ÖVERBLICK AV ESBJERG-FLÖDET – NULÄGE ... 60
APPENDIX 2: ESBJERG-FLÖDET FRÅN ESBJERG TILL SLUTKUND, VIA JÖNKÖPING – NULÄGE ... 61
APPENDIX 3: ENTITETSRELATIONSDIAGRAM AV MODELLEN ... 62
APPENDIX 4: ÖVERBLICK AV ESBJERG-FLÖDET – FRAMTIDA TILLSTÅND ... 63
APPENDIX 5: ESBJERG-FLÖDET FRÅN ESBJERG TILL SLUTKUND, VIA JÖNKÖPING – FRAMTIDA TILLSTÅND ... 64
Tabellförteckning
TABELL 1. TOTALKOSTNADSANALYS. FÖRHÅLLANDEN MELLAN KOSTNADERNA FÖR ALTERNATIVEN. ... 37
TABELL 2. KÄNSLIGHETSANALYS MED AVSEENDE PÅ BILAR. ... 39
TABELL 3. KÄNSLIGHETSANALYS MED AVSEENDE PÅ GENOMSTRÖMNINGSKOSTNAD. ... 40
TABELL 4. LEDTIDSFÖRÄNDRINGAR FÖR ALTERNATIV 1A OCH 2A. ... 42
TABELL 5. LEDTIDSFÖRÄNDRINGAR FÖR ALTERNATIV 1B OCH 2B. ... 42
Figurförteckning
FIGUR 1. PRINCIPER FÖR DIREKTLEVERANS, NAVSYSTEM OCH BRYTPUNKTSDISTRIBUTION. ... 4FIGUR 2. KOSTNADSPOSTER I EN TOTALKOSTNADSANALYS OCH RELATIONERNA MELLAN DEM. ... 12
FIGUR 3. EXEMPEL PÅ EN 1:1-RELATION. ... 15
FIGUR 4. EXEMPEL PÅ EN 1:M-RELATION. ... 15
FIGUR 5. EXEMPEL PÅ EN M:M-RELATION. ... 16
FIGUR 6. ÖVERSIKT AV ESBJERG-FLÖDET – NULÄGE. ... 21
FIGUR 7. ÖVERSIKT AV ESBJERG-FLÖDET FRÅN ESBJERG TILL SLUTKUND, VIA JÖNKÖPING – NULÄGE. ... 21
FIGUR 8. KARTA ÖVER ESBJERG-FLÖDET. ... 22
FIGUR 9. ÖVERBLICK AV CHARTERFLÖDET. ... 28
FIGUR 10. ENTITETSRELATIONSDIAGRAM FÖR DATAMODELL. ... 29
FIGUR 11. FYLLNADSGRAD FÖR OLIKA DELSTRÄCKOR OCH DAGAR PÅ BIL J32 ... 32
FIGUR 12. FYLLNADSGRADENS VARIATION ÖVER VECKAN OCH DEN UTNYTTJADE RESPEKTIVE LEDIGA KAPACITETEN I BILEN ... 32
FIGUR 13. NYTTJANDEGRADEN FÖR ETT URVAL AV ARLAS MELLANTRANSPORTER. ... 33
FIGUR 14. ÖVERBLICK AV NÅGRA KOSTNADSBERÄKNINGAR SOM MÖJLIGGJORTS I MODELLEN. ... 33
FIGUR 15. KOSTNADER PER DELSTRÄCKA FÖR ETT URVAL AV DELSTRÄCKORNA. ... 34
FIGUR 16. ÖVERGRIPANDE VISUALISERING AV ARLAS MELLANTRANSPORTER OCH EXEMPEL PÅ PRODUKTFÖRDELNING PÅ EN RUTT. ... 34
FIGUR 17. EXEMPEL PÅ IN- OCH UTLASTNINGSSCHEMA PÅ VECKONIVÅ. ... 35
FIGUR 18. ALTERNATIV 1A OCH B (VÄNSTER) OCH ALTERNATIV 2A OCH B (HÖGER). ... 36
FIGUR 19. ÖVERSIKT AV ESBJERG-FLÖDET – FRAMTIDA TILLSTÅND. ... 41
FIGUR 22. FYLLNADSGRAD PER BIL, DELSTRÄCKA OCH DAG. ... 44
FIGUR 23. NYTTJANDEGRAD FÖR ETT URVAL AV BILARNA PER DAG. ... 44
FIGUR 24. FYLLNADSGRAD PÅ BIL A81 OCH DE TILLHÖRANDE DELSTRÄCKORNA. ... 45
FIGUR 25. FYLLNADSGRAD PÅ TRANSPORTER FRÅN GÖTENE TILL KALLHÄLL. ... 45
FIGUR 26. FYLLNADSGRAD PÅ TRANSPORTER FRÅN GÖTENE TILL KUND 3. ... 46
FIGUR 27. DELSTRÄCKOR MED HÖG FYLLNADSGRAD. ... 47
FIGUR 28. FYLLNADSGRAD FÖR BILARNA LÄNGS STRÄCKAN JÖNKÖPING-LINKÖPING. ... 48
FIGUR 29. TOTALA KÖRKOSTNADER PER DELSTRÄCKA. ... 49
FIGUR 30. FYLLNADSGRAD FÖR ETT URVAL AV BILARNA SOM KÖR DELSTRÄCKAN LINKÖPING-KALLHÄLL. ... 49
1 Inledning
I följande avsnitt ges en introduktion till företaget i fokus för arbetet följt av de frågeställningar som utretts, de avgränsningar som gjorts och en beskrivning av hur arbetet genomförts.
1.1 Bakgrund
Arla är ett bondeägt mejerikooperativ med 10 319 ägare i de sju europeiska länderna Sverige, Danmark, Tyskland, Belgien, Nederländerna, Storbritannien och Luxemburg (Arla, 2019b). Kundbasen består av aktörer inom dagligvaruhandeln såsom ICA, Coop och Axfood, såväl som restauranger och storhushåll. Med produktionsanläggningar i 14 länder och försäljningskontor i ytterligare 20 länder omsatte Arla år 2018 totalt 10,4 miljarder EUR (Arla, 2019b). I Sverige finns i dagsläget 14 mejerier (Arla, 2019c).
Löpande kostnadsbesparingar och effektiviseringar är en viktig del i Arlas långsiktiga strategi och i linje med detta lanserades 2018 det treåriga förändringsprogrammet Calcium. Syftet med programmet, som omfattar aktiviteter inom hela Arla, är att öka avkastningen till Arlabönderna och upprätthålla ett konkurrenskraftigt mjölkpris, samt att återinvestera i de delar av verksamheten som stöttar företagets tillväxt (Arla, 2018a). Genom kontinuerligt förbättringsarbete kan exempelvis kortare, färre, mer fullastade transporter och bränslesnålare körning uppnås. Trots detta tar transporterna ibland omvägar, gör onödiga stopp, går dubbelt eller med en lägre fyllnadsgrad än önskvärt. Genom att visualisera Arlas logistikflöden och relatera dem till KPI:er skulle sådana problem kunna upptäckas och hanteras.
1.2 Syfte och frågeställning
Syftet med arbetet är att utreda hur Arla kan identifiera potentialer för optimering av varuflöden, sett ur ett kostnads- och ledtidsperspektiv. För att åstadkomma detta har följande frågeställning tagits fram:
Hur kan Arla identifiera potentialer för optimering av varuflöden?
Med ett särskilt varuflöde i åtanke delas projektet upp i två separata case: Omläggning av Esbjerg-flödet och Synliggörande av Charterflödet. Medan avsikten med det första caset är att utreda potentialen i en specifik omläggning, och därmed gå ned på djupet, är tanken bakom det andra att synliggöra övergripande potentialer. Som ett första steg blir uppgiften således att per site kartlägga Arlas varuflöden. Utifrån kartläggningen följer sedan ett antal underuppgifter:
● Identifiera potentialer för att reducera transportsträckor för Arlas varor och/eller uppnå transportsynergier med kunder.
● Ta fram en modell för hur arbetet kan visualiseras och göras löpande.
I slutändan är målet att modellen ska fungera som ett beslutsunderlag för att åstadkomma kostnadsbesparingar och/eller ledtidsförkortningar.
1.3 Avgränsningar
För att arbetet ska kunna genomföras inom tidsramen görs följande avgränsningar:
• Kartläggningen avser mellantransporter, det vill säga interna transporter mellan Arlas egna siter och från dessa siter till kundlager. Därmed omfattas varken mjölktransporter till mejerier eller distribution till butiker, storkök och restauranger.
• Kartläggningen omfattar endast siter som ligger i Sverige, med undantag för Esbjerg mejeri i Danmark.
• Kartläggningen omfattar lastning, lossning och transport. Processer som sker i anslutning till dessa, såsom plockning och inlagring, kommer därmed inte att granskas. • Arbetet omfattas av sekretessavtal. Analyserade data är inte nödvändigtvis
representativ för Arla, samtidigt som viss information och specifika siffror utelämnas ur rapporten.
1.4 Metod
I arbetets inledande fas genomfördes en studie av befintlig litteratur. Fokus låg på att förstå tankesättet bakom transportplanering och vilka ytterligare faktorer som spelar in när beslut som berör transportflöden fattas. Samtidigt initierades en omfattande datainsamling. Den data som ansågs relevant för arbetet innefattar exempelvis vilka rutter som går, hur artiklar är fördelade på dessa, ankomst- och avgångstider, fyllnadsgrad, kostnader och information om bokningar med transportföretag. Informationen erhölls dels från Arlas affärssystem SAP och interna dokument, dels från möten med anställda som ansvarar för områden inom arbetets scope. Vidare gjordes studiebesök i Kallhäll, Götene och Jönköping, där processerna för lossning, lagring och lastning förklarades. Vid respektive besök hölls dessutom semi-strukturerade intervjuer i syfte att klargöra arbetets förutsättningar.
Arla är bekväma med att använda vilket underlättar framtida förvaltning av modellen, dels i att det är ett naturligt val när data sammanställs från flera olika källor. Att valet av visualiseringsverktyg föll på Power BI har en liknande förklaring; för att modellen ska kunna fortsätta utvecklas av Arlas anställda får tröskeln för användning inte bli för hög. Genom att använda ett verktyg som de anställda redan har tillgång till och som växer inom företaget skapas goda förutsättningar för framtida underhåll.
I och med att datainsamling och modellering pågick simultant var processen för att utvärdera potentiella lösningar iterativ, och för att besvara frågeställningen användes de beräkningar och visualiseringar som inkluderats i modellen.
Initialt kartlades flödena i de två casen parallellt eftersom Esbjerg-flödet i Case 1 till viss del utgör en del av Charterflödet i Case 2. De separerades därefter för att dels få en mer ingående förståelse för komplexiteten i Arlas varuflöden och vad utredning av en identifierad potential innebär, dels för att få möjligheten att utnyttja modellen som byggts för charterflödet i ett praktiskt exempel. För Esbjerg-flödet genomfördes en totalkostnadsanalys, känslighetsanalys och värdeflödesanalys, medan nya potentialer i charterflödet identifierades med hjälp av de funktioner som inkluderats i modellen.
2 Teoretisk referensram
I kommande avsnitt presenteras den teori som ligger till grund för arbetet.
2.1 Transportsystem
För maximalt resursutnyttjande kan flöden mellan punkter i värdekedjan struktureras på flera olika sätt. En avvägning måste göras mellan olika systemlösningar för att uppnå kostnadseffektiva transporter och samtidigt upprätthålla hög leveransservice gentemot kunder. Fyra typer av distributionssystem presenteras av Lumsden (2006), vilka illustreras i Figur 1.
Den enklaste lösningen är direktleverans, eller som Lumsden (2006) benämner det, linjetrafik. För att hålla isär begreppen använder vi oss av termen direktleverans för denna typ av transportsystem, då termen linjetrafik återkommer med en annan betydelse i avsnitt 2.3 Transporttjänster. Direktleveranser sker från produktion direkt till slutkund, vilket ger ett lättöverskådligt flöde såväl som flexibilitet gällande leveranstider och volymer eftersom transporten inte påverkas av andra leveranser. I och med att varje kund kräver en enskild transport blir dock antalet relationer i nätverket stort, vilket resulterar i lågt resursutnyttjande, låga frekvenser för respektive transportsträcka och stort fordonsbehov (Lumsden, 2006).
Figur 1. Principer för direktleverans, navsystem och brytpunktsdistribution. Modifierad från Chopra &
Slingtrafik, eller mjölkrundor, innebär att transporten följer en planerad rutt längs vilken gods distribueras till flera kunder, alternativt plockas upp längs vägen. Lösningen kräver ingen omlastning, och med fasta körtider förenklas planeringen. Eftersom leveranser till flera kunder samlas i en bil är det ofta mindre kvantiteter som transporteras, vilket generellt medför ett högre antal stopp. Totalt sett kan lösningen dessutom resultera i ett relativt lågt resursutnyttjande, beroende på var upplocknings- och avlämningsställen är placerade i förhållande till varandra. Vidare kräver systemet också att rutten är optimerad (Lumsden, 2006).
Många lösningar utnyttjar terminaler, vilka möjliggör exempelvis samlastning, samordning av leveranser, sortering av gods och sekvensering av gods enligt mottagarens behov. Generellt kan terminaler sägas vara en punkt för att sammanställa och dela upp materialflöden (Lumsden, 2006). Om terminalen enbart används som en omlastningspunkt brukar begreppet cross-docking användas. Med denna princip minskar lagerhållnings- och hanteringskostnader samtidigt som den totala ledtiden reduceras. Givetvis krävs dock att in- och utleveranser är tillräckligt stora för att erhålla fulla lastbärare, liksom att de måste koordineras tidsmässigt för att lagringen ska undvikas (Chopra & Meindl, 2016).
2.2 Tredjepartslogistiker
Idag är det vanligt att anlita specialiserade transportföretag, även kallade tredjepartslogistiker. Dessa erbjuder i många fall att ta ett helhetsansvar för logistikupplägget, vilket bland annat omfattar varuägarens lagrings-, terminal- och logistikfunktion (Jonsson & Mattsson, 2016). Tredjepartslogistikerna utnyttjar de skalfördelar som följer av att de kan konsolidera gods från olika kunder (Oskarsson, Aronsson, & Ekdahl, 2014), det vill säga samla mindre leveranser och transportera dessa tillsammans (Jonsson & Mattsson, 2016). Företag som fortfarande utför egna transporter arbetar vanligtvis med så stora volymer att de själva uppnår skalfördelar, alternativt transporterar gods som kräver speciella förutsättningar (Oskarsson, Aronsson, & Ekdahl, 2014). För temperaturkänsliga produkter, såsom livsmedel, erbjuder numera flertalet transportföretag tempererade logistiklösningar (Bring, 2019; DB Schenker, 2019).
2.3 Transporttjänster
Enligt Lumsden (2006) kan lastbilstransporter delas in i tre olika trafiktyper: skräddarsydda transportlösningar, linjetrafik och beställningstrafik. Skräddarsydda transportlösningar innebär att rutter och tidtabeller genereras utifrån företagets egna transportbehov i samarbete med ett transportföretag. Lösningen lämpar sig framförallt för företag med stora, stabila godsflöden. Viktiga parametrar att ha i åtanke innefattar bland annat efterfrågan, kundstorlek, avstånd och kunddensitet (Chopra & Meindl, 2016).
Linjetrafik är transporter som utförs på fasta rutter efter tidtabell, där partier från olika kunder samlastas. För att denna trafiktyp ska fungera krävs ett heltäckande nät av terminaler som förbinds med någon form av insamling och distribution av gods (Lumsden, 2006).
Beställningstrafik är enstaka transporter som specialbeställs av enskilda kunder, och utförs alltid som direktleverans. Vanligtvis handlar det om nödsändningar där tid prioriteras över kostnad (Lumsden, 2006).
Jonsson & Mattsson (2016) står för ett alternativt synsätt och menar att det finns två trafiktyper: linjetrafik och beställningstrafik, men att en transportbeställning sällan är en renodlad variant utan en kombination av dem båda. Med högre andel beställningstrafik blir transporttjänsten mer kundanpassad medan resursutnyttjandet blir sämre, och vice versa.
2.4 Transportplanering
vilka godstyper som ska transporteras, terminalplacering och trafikområden, medan den operativa nivån har hand om exempelvis transporter av fulla laster, konsolidering av gods, ruttplanering och spårning av gods (Jonsson & Mattsson, 2016). Vilken transportstrategi ett företag lämpligen bör använda sig av beror bland annat på dess branschtillhörighet, produktmix, marknadsföringsstrategi, geografiska underleverantörs- och kundmarknader samt var i livscykelkurvan produkten befinner sig (Tarkowski, Ireståhl, & Lumsden, 1995).
2.4.1 Ruttplanering
För varje stopp som tillkommer längs en rutt ökar komplexiteten i att planera denna. Om ett fordon ska besöka ett antal kunder (k) blir antalet möjliga rutter n = k! eftersom den första kunden kan väljas på k olika sätt, den andra på k-1 sätt och så vidare (Lumsden, 2006). Även för terminaler där antalet kunder är förhållandevis begränsat uppstår således ett avsevärt antal möjliga kombinationer att undersöka, och om flera fordon och rutter är inblandade samtidigt ökar komplexiteten givetvis ytterligare. För att kunna hantera detta har ett antal matematiska beräkningsmetoder som kräver datorstöd tagits fram (Jonsson & Mattsson, 2016).
Syftet med ruttplanering är att identifiera rutter som totalt sett ger så högt kapacitetsutnyttjande, så många kundbesök och så mycket utlevererad godsmängd som möjligt, samtidigt som den totala körsträckan, körtiden och leveranstiden till kund minimeras. Även andra mål, såsom ökad samlastning, bör beaktas (Jonsson & Mattsson, 2016).
2.4.2 Fyllnadsgrad
● Fasta leveransdagar
○ Genom att samla ihop kundorder till en viss region eller kund undviks många mindre leveranser till samma destination. Detta förbättrar normalt leveransprecisionen, men förlänger oundvikligen leveranstiden.
● Samdistribution
○ Innebär att distributörer samordnar sina leveranser så att mottagaren får flera olika partier av gods med samma fordon.
● Brytpunktsdistribution
○ Innebär att godsflöden samordnas mellan olika terminaler, så kallade brytpunkter, och att konsoliderade leveranser transporteras mellan dessa. ● Slingtrafik/Mjölkrundor
○ Innebär att en slingbil samlar upp ett flertal mindre godspartier längs en fast transportsträcka för leverans till en terminal, varifrån de sedan konsolideras till större laster, och vice versa.
● Balanserade returflöden
○ Genom att frakta gods som annars hade transporterats på annat sätt kan fyllnadsgraden i returlasterna, och därigenom nyttjandegraden, maximeras. ● Rutt- och lastplanering
○ Med hjälp av planeringssystem kan optimala rutter med högsta möjliga fyllnadsgrad identifieras.
● IT-system
○ Genom fördjupad samverkan och informationsutbyte mellan de olika aktörerna i kedjan ökar möjligheterna att maximera fyllnadsgraden.
● Fordonsdesign
○ Ombyggnad av fordonets lastutrymme syftar principiellt till att minimera volym och/eller vikt hos tekniska delar, såsom förarutrymme och hjul, så att denna kan utnyttjas i lastutrymmet utan att överstiga lagstadgade begränsningar för längd, höjd, bredd och vikt (Lumsden, 2006).
minskar (Jonsson & Mattsson, 2016). Vad som är en rimlig fyllnadsgrad måste därför preciseras för respektive företag (Tarkowski, Ireståhl, & Lumsden, 1995).
2.5 Prissättning
Prissättning av extern godstransport bygger på såväl marknadskrafter som de kostnader som transporten ger upphov till (Jonsson & Mattsson, 2016). Två av de mest använda metoderna för att explicit fastställa prisnivån på transporttjänster är tariffmetoden och avtalsmetoden (Lumsden, 2006).
2.5.1 Tariffmetoden
För transporter som upprepas med jämna mellanrum används vanligtvis frakttariffer, där priset för olika typer av transporter har fastställts (Jonsson & Mattsson, 2016). Metoden bygger i grunden på att alla transportköpare behandlas lika och får betala samma pris för likadant gods, och används i allmänhet då marknaden innehåller ett flertal köpare som var för sig har liten inverkan. I många fall finns dock en avtalad tariff med mer fördelaktig prissättning mellan transportföretag och större kunder (Lumsden, 2006).
Faktorer som påverkar prissättning innefattar bland annat (Jonsson & Mattsson, 2016):
● Transportavstånd. Större avstånd innebär högre kostnader för bland annat drivmedel, arbetstid och slitage på transportmedel.
● Sändningsvolym. Vid små volymer blir kostnaden för lastning, lossning, hantering och administration högre än vid större lastvolymer, antingen genom att kostnaderna helt enkelt slås ut på en lägre volym eller på grund av att leveransen samlastas och därmed kräver ytterligare hantering och administration.
● Godsets densitet. Fraktpriset beräknas efter volym istället för vikt för gods med densitet under en viss gräns, så kallat skrymmande gods. Detta i och med att transportmedel normalt sett är mer begränsade med avseende på volym än på vikt.
● Godsets risk. För gods som är särskilt känsligt för transportskador, har mycket högt värde, är särskilt stöldbegärligt eller klassas som farligt krävs särskilda åtgärder vid lastning, transport och lossning, samt högre kostnader för bland annat försäkring. ● Returtransportens fyllnadsgrad. Transportkostnaden påverkas av i vilken grad
returtransporter kan genomföras med ett fullastat fordon, eftersom den ursprungliga transporten måste täcka kostnaderna även för retursträckan om den körs utan last. 2.5.2 Avtalsmetoden
Vid köp av transporter under speciella omständigheter är avtalsmetoden ofta ett mer fördelaktigt alternativ (Lumsden, 2006). Det kan bland annat handla om fall då ett transportföretag står för ett helt transportsystem för ett annat företag, ett tidsbegränsat uppdrag, ett uppdrag av engångskaraktär eller då lasten är ovanlig. Under sådana förhållanden kan säljaren anpassa priset till marknadsläget, policy och aktuell självkostnad, medan köparen kan kontrollera priset i förhållande till självkostnad och genom förhandling spela ut säljare mot varandra. I praktiken är det dock svårt att jämföra priser från olika säljare på grund av offerters varierande omfattning. Värt att notera är dock att de egenskaper som påverkar prissättning genom tariffmetoden vanligtvis ligger till grund för prissättningen även vid enskilda avtal (Jonsson & Mattsson, 2016).
2.6 Värdeflödesanalys
Ett värdeflöde innefattar alla aktiviteter som är nödvändiga för att kunna förädla en produkt (Rother & Shook, 2004). De processer som är relevanta att kartlägga består av två flöden: (1) order som färdas uppströms mot kund och (2) produkter som färdas nedåt i värdeflödet från råmaterial till kund. Tillsammans bildar dessa en sluten cirkel av krav och reaktioner (Womack & Jones, 2006).
Termerna värdeflödesanalys, flödeskartläggning och processflödesanalys används inom litteraturen ofta synonymt för metoder som syftar till att visualisera och analysera flöden, och därigenom identifiera förbättringspotentialer (Olhager, 2000). Beroende på syftet med kartläggningen kan innehåll och detaljnivå variera, men vanligtvis kartläggs två lägen - nuläget och ett framtida, önskat tillstånd (Oskarsson, Aronsson, & Ekdahl, 2014).
Under varje processruta finns en faktaruta där relevant data, såsom cykeltid, ställtid, antal operatörer och tillgänglig arbetstid listas för processen ifråga. Utifrån detta kan nyckeltal beräknas, varigenom inblick i vilka problem som existerar såväl som möjliga åtgärder ges. Det framtida, önskade tillståndet kartläggs på liknande vis, med skillnaden att slöserierna här ska ha minimerats. Genom jämförelse av de båda lägena kan sedan beslut tas om vilka åtgärder som är mest lönsamma och därmed bör fokuseras på (Oskarsson, Aronsson, & Ekdahl, 2014) varefter en handlingsplan för förbättringsarbetet kan upprättas (Rother & Shook, 2004).
2.7 Totalkostnadsanalys
Transport- och hanteringskostnader avser kostnader som uppstår i samband med externa godstransporter, exempelvis relaterade till aktiviteter som lastning, förflyttning, omlastning och lossning av gods.
Emballeringskostnader är förknippade med förpackningsmaterial, emballering och godsmärkning. För denna post måste hänsyn tas till huruvida förpackningslösningar återanvänds. Om så är fallet måste kostnader för administration, lagring, återtransport och rekonditionering inkluderas, såvida de inte ingår i någon av de andra posterna.
Lagerhållningskostnader utgörs i sin tur av:
● Kapitalkostnader, som motsvarar det avkastningskrav som företaget har på materialet som är bundet i lagret.
● Förvaringskostnader, som innefattar kostnader relaterade till lagerlokaler, inklusive utrustning och personal.
● Osäkerhetskostnader, som följer av de risker som lagerhållning medför. Det kan exempelvis handla om kassationer, felaktiga leveranser och försäkringskostnader.
Figur 2. Kostnadsposter i en totalkostnadsanalys och relationerna mellan dem. Modifierad
Administrativa kostnader omfattar personalkostnader för långsiktig planering och operativ styrning av materialflöden och kostnader förknippade med tillhörande dator- och kommunikationssystem.
Orderkostnader innefattar omställnings- och nedtagningskostnader, kostnader för kapacitetsförlust, materialhanteringskostnader och orderhanteringskostnader. Posten används främst i totalkostnadsanalyser där beslut skall fattas om dimensionering av orderkvantiteter. I annat fall kan ordersärkostnaderna ovan ofta hänföras till någon av de övriga kostnadsposterna. Kapacitetsrelaterade kostnader utgörs av avskrivningar, underhåll och drift av verksamhetens anläggningar. Eftersom dessa till stor del är fasta kostnader minskar de med ökad beläggning. Om utnyttjandegraden varierar, varierar följaktligen även de kapacitetsrelaterade kostnaderna. Brist- och förseningskostnader följer av att en leverans till kund inte kan genomföras enligt önskemål och kostnaderna motsvaras således av utebliven försäljning alternativt extrakostnader för att hantera leveransstörningen.
I Figur 2 återfinns även Kundservice och Miljökonsekvenser eftersom förändringar i logistiksystemet kan få konsekvenser som inte enkelt kan mätas. Om möjligt bör posterna kvantifieras eller uppskattas, men de kan också utvärderas kvalitativt för att ge en indikation på huruvida beslutet är lönsamt.
2.8 Känslighetsanalys
Kalkyler är i regel inte helt överensstämmande med verkligheten, till följd av antaganden och uppskattningar av data som inte finns tillgänglig såväl som av förenklingar för att göra beräkningar smidigare. Känslighetsanalyser används för att bedöma hur stor effekten av felen i kalkylen blir på slutresultatet. Som ett första steg bör felkällor, det vill säga de osäkerheter som finns i kalkylen, identifieras. För att analysen inte ska bli onödigt omfattande utvärderas sedan de mest kritiska felkällorna medan de som endast har marginell påverkan på resultatet förbises. Därefter beräknas alternativa värden för de identifierade felkällorna genom att låta dem variera med olika procentsatser, varefter förändringarna i slutresultatet kan beräknas med de alternativa värdena som input (Oskarsson, Aronsson, & Ekdahl, 2014).
2.9 Relationsdatabaser
Gemensamt för databaser är att de inte bara lagrar data, utan också information om relationerna mellan datan. För att databaser ska vara användbara måste datan vara korrekt, fullständig och organiserad på så sätt att den enkelt kan hämtas i rätt format (Harrington, 2016).
Majoriteten av alla databaser som används i dagsläget kallas relationsdatabaser. För att kunna hämta en specifik bit data i en relationsdatabas behövs tre typer av information: tabellens namn, kolumnens namn och radens primärnyckel. Kraven som ställs på primärnycklar är att de ska vara statiska, det vill säga inte ändras, såväl som unika utan att vara blanka. Ett telefonnummer skulle därför inte fungera som primärnyckel för att identifiera en svensk medborgare, dels för att vissa personer saknar telefoner medan andra har flera, dels för att telefonnummer kan bytas ut. I detta fall är personnummer därmed ett bättre val av primärnyckel (Harrington, 2016). 2.9.1 Databasens uppbyggnad
För att kunna bygga en datamodell krävs en databas, och uppbyggnaden av en sådan inleds vanligtvis med att identifiera entiteter. En entitet är något vi lagrar data om, exempelvis en kund eller en produkt. Alla entiteter har data som beskriver dem, så kallade attribut. För kunder kan dessa exempelvis utgöras av kundnummer, namn och telefonnummer. I den faktiska databasen lagras endast attributen, som grupperade kundvis representerar instanser av entiteten. För att datan ska kunna hämtas vid ett senare tillfälle behöver instanserna kunna särskiljas. Ett av attributen måste således fungera som en entitetsidentifierare (Harrington, 2016). I exemplet ovan ges denna av kundnummer, eftersom dessa är unika för varje kund. För att återkoppla till avsnitt 2.9 Relationsdatabaser och de tre informationstyperna som krävs för att hämta en specifik bit data motsvarar alltså tabellens namn entiteten, kolumnens namn entitetsidentifieraren och primärnyckeln ett värde däri - såsom ett specifikt kundnummer. Den bit data som eftersöks är således densamma som en instans av entiteten.
En begränsning med relationsdatabaser är att alla attribut endast får innehålla enskilda värden, vilket gör att en kund exempelvis inte kan vara registrerad på två telefonnummer. Lösningen på detta vore att skapa en entitet även för telefonnummer, där en kund med två telefoner alltså skulle representeras av två instanser (Harrington, 2016).
av olika entiteter, såsom mellan en kund och de varor denne beställt. Nedan listas ett exempel för respektive relationstyp (Harrington, 2016).
Flygplats och mindre stad - 1:1
I en databas med information om flygplatser i mindre städer existerar 1:1-relationer, eftersom respektive flygplats endast går att lokalisera i en specifik stad, medan det i varje stad endast finns en flygplats. Denna typ av relation är dock ovanlig i företagsdatabaser.
Distributör och vara - 1:M
Mellan distributörer och varor existerar 1:M-relationer; varje vara kommer från en specifik distributör, men en distributör kan erbjuda flera olika varor. Relationstypen gäller även för distributörer i databasen som endast erbjuder en vara, vilket innebär att 1:1-relationen i exemplet ovan skulle behöva ändras till 1:M om det i någon av städerna i databasen byggdes ytterligare en flygplats. Vidare är 1:M den vanligaste relationstypen.
Order och vara - M:M
En order kan innehålla flera olika varor, samtidigt som flera ordrar kan innehålla samma vara. Denna relationstyp ger upphov till två problem i fråga om databasens design:
● En relationsdatamodell kan inte hantera M:M-relationer direkt, vilket gör att dessa måste bytas ut mot 1:1 och 1:M för att modellen ska fungera.
● Relationerna i modellen kan inte ha attribut, utan dessa måste tillfalla entiteter.
Figur 3. Exempel på en 1:1-relation.
För att komma runt problemet kan entiteter för relationerna skapas, så kallade sammansatta entiteter. I stora drag fungerar dessa som mellanlandningar för relationerna, vilka tillåter att relationsspecifika data lagras och att M:M-relationen istället kan representeras av två 1:M-relationer. Mjukvaror såsom Power BI har dock möjliggjort användning av M:M-relationer, med viss påverkan av vilka funktioner som kan användas (Microsoft, 2019). Krav ställs då också på att utvecklaren vet vilka konsekvenser denna relationstyp medför för beräkningar och visualiseringar.
2.10 Business Intelligence
Business Intelligence (BI) kan definieras som användande av högklassig mjukvara, applikationer eller värden i syfte att ta bättre beslut inom företag (Agui, Mateescu, & Muntean, 2014). Begreppet används dessutom övergripande för de system som syftar till att integrera och analysera organisationsdata (Fink, Yogev, & Even, 2017). Utöver mer välgrundat beslutsfattande ser Watson och Wixom (2010) kostnads- och ledtidsreduktion, förbättrade informationsprocesser och målstyrning som fördelar med BI. Traditionellt har BI-system fokuserat på att leverera rapporter som beskriver hur företaget presterat historiskt, för att sedan övergå till hur företaget presterar i nutid. Nu har fokus återigen skiftat, denna gång till att prognostisera framtiden (Ng, o.a., 2013). Denna utveckling ställer givetvis krav på vilken typ av information företag samlar in och lagrar, såväl som på IT-systemens infrastruktur och kapacitet. Trots att priserna för lagring av data sjunker samtidigt som företag lagrar allt större mängd data går utvecklingen mot försvårad analys, något som delvis har sin förklaring i att datan ofta lagras i flertalet olika program och format. Att allt fler företag investerar i system för lagring av data betyder således inte att datan i fråga faktiskt används som underlag vid beslutsfattande - tvärtom indikerar studier att beslut inom företag i stor utsträckning fortfarande grundas på magkänsla (Ng, o.a., 2013). Dataintegrering i beslutsprocesser kan därför bli svårare än väntat, i synnerhet för företag vars anställda är vana att agera på instinkt och/eller erfarenhet (Ross, Kiron, & Ferguson, 2012).
3 Nulägesbeskrivning
Från bondgårdarna där de 2 630 Arlabönderna i Sverige är verksamma transporteras mjölk dagligen till mejerier, där den processas och förädlas innan den slutligen distribueras ut till kundlager, butiker, storkök och restauranger (Arla, 2018b; Arla, 2019a). För en effektiv distribution sker ett antal transporter mellan mejerier och terminaler, så kallade mellantransporter. Dessa beskrivs mer detaljerat nedan. Distribution till butiker, storhushåll och restauranger sker sedan med slingtrafik, linjetrafik och direktleveranser. Avsnittet avslutas med beskrivningar av de förutsättningar som ligger till grund för de båda casen.
3.1 Transportsystem
Arla har 14 mejerier i Sverige där olika produkter tillverkas och förädlas på respektive site. Det senaste tillskottet är Gefleortens, som Arla gick samman med i december 2017 (Arla, 2018b). Mejerierna med störst mjölkproduktion är lokaliserade i närhet till befolkningstäta områden medan de ostproducerande mejerierna ligger i de områden där mest mjölk produceras, i syfte att reducera antalet transporter (Arla, 2019a). Vid terminaler sker omlastning och viss lagring för att produkterna slutligen ska kunna transporteras till slutkund.
Ett flertal produkter, såsom yoghurt, ost, KESO, gräddfil, crème fraiche och smör, tillverkas endast vid ett fåtal mejerier spridda över landet. Ur produktionssynpunkt är detta givetvis fördelaktigt, men det innebär också att transportsträckorna för att distribuera produkterna ökar. Om alla produkter gick med direktleveranser skulle antalet transporter bli enormt, varför Arlas mellantransporter är organiserade i navsystem där Linköping, Jönköping, Götene och Kallhäll utgör de största naven. För att kunna samdistribuera och därmed öka fyllnadsgraden i lastbilarna går transporterna efter ett fast schema, anpassat efter både kundkrav och produktionstider. I och med att alla produkter inte kan levereras och produceras till varje nav samtidigt krävs viss mellanlagring.
Till terminalerna levereras inte enbart gods från svenska mejerier, utan också från internationella Arla-siter. Många transporter anländer exempelvis från Ringe, Brabrand och Esbjerg i Danmark, Upahl i Tyskland och Nijkerk i Nederländerna.
3.2 Transporttjänster
under bestämda tider, vilket innebär att priset för en transport inte varierar med fyllnadsgraden. Charterbilar lämpar sig därför bäst för välfyllda transporter där även retursträckor utnyttjas. Vidare är lösningen fördelaktig sett till leveransservice, eftersom Arla styr upphämtning- och avlämningstider och kan säkerställa att dessa hålls. I nuläget chartrar Arla bilar från tre transportföretag, vilka i fortsättningen benämns TF 1, TF 2 och TF 3. För vissa sträckor nyttjas också Arlas egna bilar, i synnerhet mellan Linköping och Jönköping.
För linjetrafiken är slottiderna fastställda av åkerierna, vilket innebär att Arla saknar utrymme att diktera över villkoren för lastning och lossning. Fördelen med lösningen är att man endast betalar för det lastutrymme som nyttjas, eftersom resterande lastutrymme upptas och betalas av andra företag. Linjetrafik är därför ett lämpligt alternativ vid transport av mindre partier i och med att man till skillnad från i fallet med chartrade transporter endast behöver betala för enkel sträcka. Linjetrafiken körs främst av TF 1, även om TF 2 kör ett par av sträckorna regelbundet.
Den sista trafiktypen Arla använder sig av kallas för extrabil, och kan likställas med det som i den teoretiska referensramen benämns beställningstrafik. Hos Arla finns två varianter: chartrad extrabil och extra linjebil. Båda är betydligt dyrare än de ursprungliga varianterna och används enbart vid tillfälliga flöden då de tillgängliga transporterna inte räcker till med kort varsel. Extrabilarna körs i regel av det åkeri som erbjuder bäst pris för respektive tillfälle.
3.3 Transportplanering
I dagsläget används som tidigare nämnts inget visuellt verktyg för planering av mellantransporter. Istället är det främst Excel som utnyttjas för att beskriva ankomst- och avgångstider, stopptider och rutter för respektive transport. För chartertrafiken finns datan samlad i ett huvuddokument som regelbundet uppdateras, medan motsvarande information för linjetrafik och extrabilar varierar i högre grad och kräver kontakt med transportplanerare på respektive site.
följd av enstaka förändringar, vilket ökar risken för inkonsekventa uppgifter mellan datablad. Exempelvis innehåller vissa celler gamla ruttbenämningar, samtidigt som det saknas information om vissa sträckor och stopp.
3.4 Prissättning
För chartertrafiken har Arla förhandlat fram tariffer för olika delsträckor med TF 1, TF 2 och TF 3, som är de tredjepartslogistiker man arbetar med. Som nämns i litteraturstudien finns ett antal olika faktorer som påverkar prissättning. Generellt ökar kilometerpriset ju kortare sträckan är, samtidigt som vissa specifika vägval, såsom Essingeleden, oundvikligen tar längre tid och förtullas, och därmed blir dyrare. Tidigare var kostnaderna för körsträcka, lastning och lossning samlade i en kostnadspost, men sedan Arla börjat arbeta med dubbelstapling i bilarna har dessa separerats. Dessutom finns tilläggskostnader för extrastopp och dylikt fastställda för respektive åkeri.
För linjetrafiken är Arlas förstahandsval TF 1. Här blir skillnaderna i prissättning mellan olika delsträckor ännu tydligare än i fallet med chartertrafiken, eftersom transportföretaget i fråga också måste ta hänsyn till retursträckor. Exempelvis är sträckan Sundsvall-Kallhäll vanligtvis betydligt billigare än Kallhäll-Sundsvall, till följd av att transporter från Stockholmsregionen norrut inte sällan går med tom returlast.
För extrabilar finns inga fastställda tariffer, utan som nämns i avsnitt 3.2 Transporttjänster anlitas det åkeri som erbjuder bäst pris vid respektive tillfälle. Arla har visserligen överenskommelser med ett antal åkerier om ungefärliga priser, men har ingen garanti på att dessa kommer att gälla vid varje givet tillfälle. Vidare har varje site ett eget tillvägagångssätt för bokning; Linköping anlitar alltid TF 1 i första hand medan Jönköping främst utnyttjar egna bilar, för att ta ett par exempel.
3.4.1 Drivmedelstillägg
För linjetrafik och extrabilar finns inga sådana avtal, istället uppdaterar åkerierna regelbundet sina hemsidor om vilket DMT de avser att köra efter. Detta gör att DMT mellan olika åkerier kan skilja sig markant.
3.5 Case 1: Omläggning av Esbjerg-flödet
Begreppet Esbjerg-produkter innefattar i denna rapport produkter som Kelda, jiggrar och Cocio, vilka i dagsläget produceras på Esbjerg mejeri och levereras till Götene. Vilka volymer som beställs till Götene bygger dels på prognoser på efterfrågan, dels på vilka volymer som måste levereras för att produktionen i Esbjerg ska flyta på bra - så kallade minibatcher. För vissa artiklar som produceras mer sällan, såsom citronsås och béchamelsås, överstiger dock minibatcherna prognoserna regelbundet, vilket innebär att en del kassationer blir oundvikliga. Vidare präglas en del av produkterna av långa ledtider såväl som säsongsvarierad efterfrågan, vilket försvårar prognostiseringen - i synnerhet i övergångarna mellan hög- och lågsäsong då efterfrågan kan svänga snabbt.
I ett pågående projekt undersöks potentialen i att öka framstämplingen på en del av Esbjergs produkter på den svenska marknaden. Detta skulle i praktiken innebära större produktionsbatcher, vilket ställer ännu högre krav på lagerkapaciteten på respektive site. Ytterligare något som ligger till grund för granskningen av Esbjerg-flödet är ett ökande lagerbehov i Götene, varför de cirka 1000 pallplatser som i dagsläget upptas av Esbjerg-produkter vore önskvärda att frigöra.
3.5.1 Värdeflödesanalys - Nuläge
För att tydligare kunna jämföra nuläget med det önskade läget har även ett specifikt exempel kartlagts. I Figur 7 illustreras flödet från Esbjerg till slutkund. Eftersom samtliga processer som kartlagts klassas som slöserier ur ett lean-perspektiv har de värdeadderande processerna ersatts med det nödvändiga slöseriet transport för att mäta effekten av en omläggning. Ledtiden från Esbjerg till utlastning i Jönköping är alltså 603 timmar medan den totala transporttiden är 27 timmar, vilket motsvarar 4,48 procent av den totala ledtiden.
Figur 6. Översikt av Esbjerg-flödet – Nuläge.
Kund 1
Kund 2
Kund 3
3.5.2 Siter som ingår i Esbjerg-flödet
Mellan siterna som ingår i Esbjerg-flödet finns stora skillnader vad gäller exempelvis produktion, arbetsrutiner, automatiseringsgrad, lagerkapacitet, produktmix och typer av pallar som hanteras. De olika förutsättningarna innebär både möjligheter och begränsningar vid en eventuell omläggning, varför arbetsprocesserna för respektive site beskrivs mer ingående nedan. I Figur 8 syns hur flödena går från Esbjerg till Götene och vidare ut till siterna.
Esbjerg mejeri
Esbjerg mejericenter ligger i sydvästra Danmark och utgörs av två separata produktionsanläggningar, Esbjerg och Cocio. I Cocio-mejeriet produceras glasförpackade produkter, vilka de svenska färskvarucentralerna Kallhäll, Jönköping och Sundsvall inte har förutsättningar att hantera. Från Esbjerg mejeri avgår däremot transporter med
produkter, Cocio i tetraförpackning och pyramidformade så kallade jiggrar med kaffemjölk till Götene fem dagar i veckan, mellan 05:30 och 12:30. En av dessa leveranser går via Jönköping, dit den ankommer med bland annat matlagningsgrädde och Matilde Milkshake.
Götene mejeri
Vid Götene mejeri sker både tillverkning av ost, smör och matfett, och förädling av ost. Vidare utnyttjas siten för mellanlagring av ett flertal produkter, både från svenska och utländska siter. Godsmottagning
Götene mejeri är ur logistiksynpunkt bra lokaliserat i anslutning till både E20 och väg 44. Varje vecka tas cirka 2000 pallar med produkter emot från Danmark, och av dessa motsvarar Esbjerg-artiklarna 700–900 pallar fördelade på 17–20 leveranser. Esbjerg-leveranserna är de enda inleveranserna med fasta slottider, och är sedan sträckan övertogs av transportföretaget vi benämner TF 4 de mest tillförlitliga leveranserna till siten. Vanligtvis anländer två bilar klockan 06:00, en tredje vid 08:00 och eventuellt en fjärde vid 10:00, måndag till fredag.
I regel hanterar Götene helpallar med Esbjerg-artiklar, eftersom siten huvudsakligen levererar till större terminaler. Omkring två procent av alla pallar är dock ”slattar” från produktionen, för vilka orderraderna måste justeras manuellt för att levereras i tid. Det finns tre portar för godsmottagning där alla produkter, med undantag för de som tillverkas eller förädlas på siten, tas emot. Därutöver finns en fjärde port som främst används för mottagning av desserter, vilka kräver lägre förvaringstemperatur än övriga artiklar. Utöver leveranser från de svenska siterna tar Götene också emot gods från 18 utländska siter. När transporterna sköts av svenska åkerier ansvarar chaufförerna för lossning, medan leveranser från exempelvis Danmark måste hanteras av Arlas egen personal eftersom internationella chaufförer saknar de körtillstånd som krävs. Lossning med egen personal går vanligtvis snabbare men kräver givetvis mer resurser. I och med att Götene endast använder SAP för att kontrollera att ekonomin stämmer, behöver pallarna inte etiketteras om utan kan lagras omgående. Helpallarna går direkt in i det automatiska lagret, medan pallarna med slattar körs till plocklagret.
Lagring
Lagringen är organiserad så att pallar med samma artikel placeras i flera krangångar. Logiken bygger på två faktorer: att produkter fortfarande ska kunna tas ut ur lagret vid driftstopp vid en kran och att varma produkter från produktionen ska kylas ner snabbare.
I ett separat plocklager placeras som nämnt ”slattpallarna”. Totalt plockas omkring 400 artiklar i lagret.
Utlastning
Vid utlastningen arrangeras pallar vid de sex utlastningsportarna med hjälp av automattruckar. På förmiddagarna är utleveranserna som tätast, och totalt lastas 1000–1500 pallar ut per dag. I specialfall kan den inlastningsport som är avsatt för mottagning av desserter användas för utleveranser, även om detta sker väldigt sällan.
För Esbjerg-artiklarnas del sker utlastning under eftermiddagen. Dessa leveranser går i huvudsak vidare till Jönköping och Kallhäll, även om mindre volymer sänds direkt till olika kundlager samt till terminalen i Sundsvall.
Jönköping mejeri
I Jönköping tillverkas mjölk, vispgrädde och filmjölk. I likhet med Götene utnyttjas siten för mellanlagring av flertalet produkter från både svenska och utländska siter.
Godsmottagning
I Jönköping finns sex portar för godsmottagning varav en används för exportvaror. Överlag brukar inte dessa portar behöva nyttjas fullt ut ens vid kvällstid då tyngdpunkten för inleveranserna föreligger. Esbjerg-produkter levereras en gång per dag, klockan 01.00 med bil A80 från Götene. Liksom i Götene sköts lossning av chaufförerna själva, såvida det inte är fråga om internationella transporter.
Lagring
Lagret har nyligen byggts ut i syfte att kunna hantera större volymer av rullpallar. För att lagret ska fungera smidigt är dock en fyllnadsgrad på cirka 85 procent att föredra. Överstigs denna gräns måste planeringsavdelningen kontaktas, samtidigt som hanteringen givetvis går långsammare. Utmaningen för Jönköping ligger i den ojämna beläggningen mellan dagarna, eftersom ett godtagbart veckosnitt i praktiken innebär en hög topp i slutet av veckan. Vidare varierar lagernivåerna också över året.
Utlastning
I de fall helpallar ska skickas iväg hämtas de upp vid krangången och placeras vid någon av de 21 utlastningsportarna via truck.
Stockholm mejeri (Kallhäll)
I Stockholm mejeri, eller Kallhäll som det benämns i dagligt tal, tillverkas mjölk, vispgrädde, gräddfil och filmjölk. Samtidigt nyttjas siten precis som Götene och Jönköping för mellanlagring av flertalet produkter från både svenska och utländska siter.
Godsmottagning
För godsmottagning finns fyra portar med möjlighet att ta emot två ekipage per timme, då bil och släp lastas ur vid varsin port. Ankommer flera bilar samtidigt kan golvytan i anslutning till godsmottagningen användas som temporär lagringsplats. Ytan kan även användas som mellanlandning vid cross-docking.
Precis som i Götene och Jönköping ansvarar chaufförer av leveranser inom Sverige själva för lossning, medan transporter från utlandet lossas av personal på Kallhäll. Leverans inom en timme före/efter utsatt tid är accepterat enligt avtal, men om det uppstår krockar vid inleveransen följs tidsschemat så att transporterna som är i tid avhjälps först medan de som är sena får vänta, i syfte att undvika att skjuta förseningar till kommande leveranser.
Lagring
För smidig lagerhantering i kyllagret i Kallhäll bör inte mer än 95 procent av lagerkapaciteten utnyttjas.
kan två till tre pallar förvaras i djupled, men för att säkerställa FIFO och minimera hantering lagras endast en artikel per plockplats. Esbjerg-artiklar lagras i dessa ställage i en till tre dagar, beroende på artikel, innan utleverans. I ställagen lagras EUR-pallar, medan rullvagnar och KPV-vagnar står på golvet. Dessa kan till skillnad från EUR-pallar inte staplas på höjden, vilket medför att de tar upp stor lageryta i förhållande till antalet artiklar.
Vidare finns även en annan typ av ställage som kallas maxipackers. I dessa kan 16 pallar lagras i djupled, vilket är platseffektivt men innebär mer tidskrävande plockning. Maxipackers är därför lämpliga vid stora batcher av samma produkt, framförallt sådana med framstämplingsdatum långt fram i tiden så att även pallarna längst in möter datumkraven. Vad gäller säsongsvariationer är det främst påsk och midsommar som sticker ut med höga lagervolymer. Vidare varierar volymerna även dagar, veckor och månader emellan. Överlag har lagret högst belastning under fredag och lördag, som är en halvdag, medan söndag till tisdag är något lugnare. På daglig basis är förmiddag, kväll och tidig natt de stressigaste tiderna. Utlastning
För utleveranser används 36 portar. Svinnhantering
Kallhäll tar också hand om det svinn som uppstår längs vägen. Pallar ankommer varje tisdag och torsdag, och skickas iväg till Syvab varje tisdag där de genom förbränning omvandlas till energi. Produkter med kort datum placeras i ställage om det finns möjlighet till försäljning, annars på avsatt yta. Upp till en viss volym innebär detta en intäkt för Kallhäll, medan det blir en kostnad för planeringsavdelningen om den överstigs.
Kundlager
De kundterminaler som är direkt relaterade till det flöde som granskas är lokaliserade i Borlänge, Helsingborg, Kungälv och Järfälla. I transporterna till dessa lager ingår dock inte enbart Esbjerg-produkter, utan även produkter som tillverkas och förädlas i Götene.
Kund 1
Från Götene avgår en chartrad bil klockan 16.00 måndag till torsdag såväl som klockan 06.00 på söndagar. Lossning utförs av chauffören. Utöver den chartrade bilen går ofta en linjebil på vardagar.
Kund 2
lasset är samtliga av dessa linjebilar. Detta beror främst på att transporter från Skåneregionen går norrut varför Arla kan utnyttja retursträckan söderut till ett fördelaktigt pris. Samtliga rutter lossas av chaufförerna mellan 04.30 och 06.00, oavsett avgångstid från Götene.
Kund 3
Från Götene levereras produkter till Kund 3 dagligen, söndag till fredag. Slottiderna styrs framförallt av kunden i fråga, men påverkas även av en leverans till en annan kund som avgår med samma bil.
Kund 4
Kund 4 ligger endast några hundra meter från Kallhäll, vilket medför att leveranser kan koordineras med transporter dit. Från Götene avgår två leveranser dagligen, med undantag för lördagar och söndagar då inga respektive endast en leverans sker. Slottiden är fastställd till klockan 06.00 oavsett dag.
3.6 Case 2: Synliggörande av Charterflödet
4 Modell för visualisering
Modellen är som tidigare nämnt utformad för att visualisera den data som är relevant för att fatta beslut beträffande Arlas mellantransporter. Nedan beskrivs den övergripande strukturen följt av de funktioner som utvecklats.
4.1 Modellens struktur
Modellen är sammansatt av sju tabeller skapade i Excel, vilka delats upp i elva entiteter i Power BI. Tabellerna innehåller den grunddata som återfinns och används för beräkningar i modellen. I Figur 10 visas modellens övergripande struktur i ett entitetsrelationsdiagram, där PK representerar entitetens primärnyckel. En förstorad version återfinns i Appendix 3. Nedan följer en detaljerad beskrivning av respektive entitet.
DMT
För varje kombination av Tidsperiod, Index, Transportföretag och Trafiktyp används ett specifikt DMT eftersom detta varierar med dessa parametrar. Transportföretag och Trafiktyp representeras i den här entiteten av Transportföretags-ID som skapar relationen mellan entiteterna DMT och Transportföretag.
Transportföretag
Entiteten Transportföretag innehåller attributen Transportföretag och Trafiktyp som nämns ovan, samt primärnyckeln Transportföretags-ID som är unikt och möjliggör kopplingen mellan entiteterna Transportföretag och DMT respektive Bilar.
Bilar
Varje Bil-ID motsvarar den benämning som används inom Arla när en viss bil åsyftas. De attribut som karaktäriserar en bil är vilket Transportföretag som kör den, vilken Trafiktyp den kategoriseras som och dess Kapacitet vad gäller vikt och antal pallplatser. Återigen fungerar Transportföretags-ID som länken mellan entiteterna Transportföretag och Bilar, medan Bil-ID skapar relationerna till entiteterna Sammanställning respektive Lastning och Lossning.
Lastning och Lossning
I Lastning och Lossning definieras de attribut som är relaterade till stoppen längs bilens transportväg. Bilen (Bil-ID) ankommer till en viss Site, på en viss Ankomstdag, vid en viss Ankomsttid för att genomföra en viss Aktivitet, under en viss Stopptid. Aktivitetens slut representeras av Sluttiden. För stoppet tillkommer en Hanteringskostnad, vilken beror på vid vilken Site stoppet sker och om bilen ankommer från utlandet eller ej. Slutligen genomförs varje stopp vid en viss Port och i attributet Kommentar lagras information om vad det är som lastas eller lossas vid stoppet.
Koordinater
Syftet med entiteten Koordinater är att kunna visualisera körvägen i en karta, varför respektive Koordinat-ID är kopplat till en delsträcka via Delsträcka-ID, och en unik Latitud, Longitud och Ordning. Det sistnämnda attributet krävs för att bestämma ordningen i vilken koordinaterna passeras längs en delsträcka. Relationen mellan Koordinater och Delsträckor åstadkoms genom Delsträcka-ID.
Delsträckor
Varje Delsträcka som inkluderats i modellen är definierad på formen “Start-Slut” och karaktäriseras av en given Körsträcka och Kostnad. Eftersom kostnaderna skiljer sig mellan Trafiktyper har även detta attribut inkluderats. Information om extrabilar har dock utelämnats eftersom kostnaderna för dessa varierar. Som nämnt kopplas varje Delsträcka-ID till Koordinater, men även till Sammanställning som beskrivs i slutet av avsnittet.
Rutter
Produkter
Till varje Produkt-ID finns en unik kombination av ett Rutt-ID och en Produkt för vilken en Medelvikt per rutt och brand beräknats.
Avgångs- och Ankomsttider
Entiteterna Avgångstider och Ankomsttider är uppbyggda på samma sätt med unika kombinationer av Avgångsdag och Avgångstid respektive Ankomstdag och Ankomsttid kopplade till ett Avgångs-ID respektive ett Ankomst-ID. De sistnämnda är i sin tur inkluderade i Sammanställning för att åstadkomma relationerna med övriga tabeller.
Sammanställning
Entiteten Sammanställning knyter ihop alla tabeller genom unika kombinationer av Bil-ID, Delsträcka-ID, Rutt-ID, Avgångs-ID och Ankomst-ID. Skulle exempelvis Bilar och Delsträckor kopplas direkt skulle relationen vara av typen M:M, eftersom en bil kan köra flera delsträckor och en delsträcka kan köras av flera bilar. Som framgår av entitetsrelationsdiagrammet i Figur 10 är dock alla relationer av typen 1:M, vilket åstadkoms genom den sammansatta entiteten Sammanställning.
4.2 Modellens funktioner
För att den relationsdatabas som beskrivs ovan ska vara användbar har så kallade measures använts. Dessa skrivs i språket DAX och möjliggör dynamiska beräkningar. I och med att de använder sig av olika värden beroende på hur användaren väljer att filtrera datan kan situationsanpassade resultat beräknas. Även beräknade kolumner, som alltså innebär att ett värde beräknas på varje rad i en tabell, används i modellen. Nedan beskrivs de funktioner som anses viktigast, nämligen de som kan användas som underlag vid beslut om var fokus bör riktas i det kontinuerliga förbättringsarbetet.
4.1.1 Visualisering av fyllnadsgrad
11). Vidare möjliggör funktionen en snabb utvärdering av en potentiell omläggning, eftersom den lediga kapaciteten avgör huruvida en viss volym får plats på bilen eller ej (se Figur 12).
4.1.2 Visualisering av nyttjandegrad
För att visa fyllnadsgraden på bilnivå används måttet nyttjandegrad, som alltså viktar fyllnadsgraden för respektive delsträcka med avseende på dess längd. Med denna funktion kan bilar som ur ett helhetsperspektiv inte når Arlas målsättningar identifieras.
Figur 11. Fyllnadsgrad för olika delsträckor och dagar på bil J32.
Figur 12. Fyllnadsgradens variation över veckan och den utnyttjade respektive lediga kapaciteten i bilen.
4.1.3 Kostnadsberäkningar
De totala transportkostnaderna i modellen är en summering av körkostnader, hantering i samband med stopp, eventuella helgtillägg och gällande DMT. Överlag är detta ett snabbt sätt att avgöra huruvida kostnaderna har ökat.
De totala transportkostnaderna på veckobasis kan sedan brytas ned i körkostnader per delsträcka, bil, dag eller vecka, med DMT och hanteringskostnader inkluderade eller exkluderade (se Figur 14). Beräkningarna kan exempelvis ge indikationer på vilka delsträckor som driver kostnader då de möjliggör jämförelser av kostnader för bilar, delsträckor, transportföretag och dagar.
Slutligen är öre per kg en viktig KPI för Arla. Även denna kan beräknas för olika delsträckor, bilar, dagar och veckor.
Figur 13. Nyttjandegraden för ett urval av Arlas mellantransporter.
4.1.4 Övriga visualiseringar
Modellen innehåller utöver de redan nämnda ett antal visualiseringar som inte kräver egna measures. Det tydligaste exemplet är en karta som låter användaren se hur delsträckorna går för olika bilar, rutter och produkter samt vilka dagar och tidpunkter detta sker (se Figur 16). Vidare synliggör modellen också fördelningen mellan de produkter som transporteras (se Figur 16). Filtrering kan göras med avseende på exempelvis rutt och delsträcka, vilket kan ge indikationer på i vilken del av landet olika produkter efterfrågas. Över tid skulle detta även kunna användas för att följa hur fördelningen förändrats mellan Arla-produkter i förhållande till Private Label-artiklar, som alltså är Arla-producerade produkter under annat märke.
Figur 16. Övergripande visualisering av Arlas mellantransporter och exempel på
produktfördelning på en rutt.
Ytterligare en visualisering visar på lastnings- och lossningstiderna vid siterna, varigenom användaren kan se när en specifik godsmottagnings- eller utlastningsport enligt plan ska vara upptagen såväl som under vilka tider på dygnet det är tomt respektive fullt på lastningskajerna. Med hjälp av denna funktion skulle in- och utflödet kunna balanseras under dygnet, både för att underlätta för lagerpersonal och för att minimera eventuella väntetider till följd av upptagna portar. För att funktionen ska vara riktigt användbar krävs dock att även distributionsbilar inkluderas.
5 Resultat
Medan syftet med Case 1 var att utreda en eventuell omläggning, och därmed gå ned på djupet, var tanken bakom Case 2 att synliggöra potentialer. Det första caset upptar därmed en större del av detta kapitel, medan det andra besvarar frågeställningen på en mer övergripande nivå. Alla siffror som berör kostnader är fiktiva.
5.1 Case 1: Omläggning av Esbjerg-flödet
En omläggning av Esbjerg-flödet kan ske på en rad olika sätt, varav fyra stycken undersöks i detta arbete. Alternativ 1a motsvarar nuläget och innebär alltså att det inte görs någon omläggning. Alternativ 1b bygger på samma premiss, med skillnaden att framstämplingen av vissa Esbjerg-produkter resulterar i större produktionsbatcher. Alternativ 2a innebär en omläggning från Götene till Jönköping och Kallhäll. Detsamma gäller alternativ 2b, med ökade batchstorlekar som enda skillnad.
5.1.1 Totalkostnadsanalys
För att undersöka vilket alternativ som är mest ekonomiskt fördelaktigt genomfördes en totalkostnadsanalys. Kostnadsposterna som analyserats är transportkostnader, hanteringskostnader, lagerhållningskostnader och investeringskostnader.
Tabell 1. Totalkostnadsanalys. Förhållanden mellan kostnaderna för alternativen.
Alternativ 1a Alternativ 1b Alternativ 2a Alternativ 2b
Transportkostnader/år 1 1 0,99 0,99 Hanteringskostnader/år 1 1 0,88 0,88 Lagerhållningskostnader/år 1 1,06 0,69 0,78 Totala kostnader/år 1 1,02 0,90 0,92 Investeringskostnader 0 0 X X Totalt (år 1) 1 1,02 1,05 1,07
Vid jämförelse av de fyra alternativen framgår att alternativ 1a är det mest fördelaktiga under det första året då investeringskostnaderna för lagerlösningar påverkar. Samtidigt måste risken för ökade batchstorlekar vägas in, som alltså innebär ökade lagerhållningskostnader. Sammanfattningsvis är alternativ 2a och 2b att föredra framför 1a och 1b på sikt, eftersom investeringarna återbetalar sig själva på mindre än två år. De antaganden och beräkningar som ligger till grund för respektive kostnadspost beskrivs nedan, även om specifika siffror utelämnas.
Transportkostnader
Kostnaderna för transport utgår från den totala kostnaden för alla körsträckor relaterade till Esbjerg-flödet som påverkas av en eventuell omläggning. Ingen hänsyn har tagits till antal rutter per delsträcka.
