Kverneland forutser fremtidig etterspørsel

Nye systemer for Supply Chain Management skal gjøre landbruksmaskinprodusent Kverneland bedre rustet til å forutsi behovet for lagerbeholdning.

 Last ned kundehistorien som pdf 

Nye systemer for Supply Chain Management skal gjøre landbruksmaskin- produsent Kverneland bedre rustet til å forutsi behovet for lagerbeholdning. - Med over 90 000 reservedeler er det et stort fortrinn å kunne se mer presist hva fremtiden vil bringe av variasjoner i lagerbehovet, sier Magne Svendsen, Managing Director i Kverneland Group After Sales.

Betaler seg raskt inn
Kverneland forventer en reduksjon i lagerbeholdningen på mer enn 20 % innen 2 år.

Effektive løsninger og innsparinger er nøkkelord i et urolig marked. En omfattende lagerbeholdning kan fort bli en unødvendig stor utgiftspost med hensyn til kapitalbinding. Kvernelands utfordring er å kunne ha et så lavt lager som mulig, samtidig som de ønsker å øke servicegraden til kundene sine.
- Selv om jordbruksindustrien ikke var den første som ble rammet av de urolige markedene, merker også vi at det er trangere tider. En viktig følge av dette er å optimalisere lagerbeholdningen, slik at vår egen verdikjede kan bli så effektiv som overhodet mulig, sier Magne Svendsen i Kverneland Group After Sales.

Krevende logistikkoppgave
Med tilstedværelse i over 60 land har Kverneland et marked som spenner over hele verden. Store svingninger i etterspørselen, og hele 90 000 reservedeler til utstyr som ploger, såmaskiner, balle-pressere, spredere, etc., gjør logistikken til en svært utfordrende oppgave.
- Våre kunder jobber i perioder døgnet rundt, og er avhengig av at utstyret fungerer som det skal, forteller Svendsen. Gjør det ikke det, må de ha det reparert så fort som mulig. Da forventer de at vi kan levere deler i løpet av natten, helgen og i noen tilfeller i løpet av timer. Tidspunktet for disse periodene varierer fra år til år og fra land til land. Værforhold spiller ofte også en vesentlig rolle (tidlig vår, mye/lite regn etc.). Dette krever et system som gir et godt grunnlag for planlegging og prognostisering. Det får vi nå gjennom SAS Institute.

Betaler seg raskt inn
SAS®-løsningen som Kverneland har investert i vurderer hver enkelt artikkel ved å se på historikken til produktet, og ut ifra det beregner det sannsynligheten for fremtidig etterspørsel. Disse prosessene har hittil vært preget av delvis manuelle rutiner, og har i for stor grad basert seg på kunnskap hos enkeltpersoner.

Kverneland forventer at investeringen vil betale seg inn raskt når løsningen rulles ut. - Målet er en redusert kapitalbinding på mer enn 20% innen 2 år, avslutter Svendsen. Samtidig har vi et mål om å øke servicegraden fra 95 prosent til 97 prosent i løpet av de samme to årene.

Den nye løsningen fra SAS Institute er delvis automatisert, men ikke fullstendig. - Det er kun unntakene som vurderes manuelt i de nye systemene, i motsetning til tidligere da alt ble gjennomgått manuelt, forteller Fred Graham, seniorrådgiver i SAS Institute. Sammen med salgsavdelingen har han vært sentral i arbeidet med den nye løsningen.

Lokalt team bak utvikling
Teamet fra SAS Institute har bestått av kun norske konsulenter. Dette er en av suksesskriteriene i prosjektet.

- Alle involverte har fra dag èn vært preget av åpenhet og endringsvilje. Fra vi startet analysefasen til driftstart i juni 2009 har prosjektet vært preget av samarbeid og et felles mål om å skape skalerbare og lønnsomme løsninger for kompliserte logistikkprosesser. Kverneland hadde modellene og prinsippene på plass og ikke minst mye data. Men den tidligere løsningen var tung i bruk og hadde dårlige prognosemuligheter. Vår oppgave har vært å bidra med en turbo på toppen av deres ERP-løsning.

Det er snakk om store tall når det gjelder reservedelsdivisjonen til Kverneland. Av totalt 250 000 deler i sortimentet er ca. 90 000 såkalte aktive deler, mens kun 2 500 deler står for hele 80 % av omsetningen. Kunsten er å estimere basert på leveringshistorikk og legge opp til et optimalt lagerantall. SAS®-løsningen er med på å forhindre at man legger på litt i alle ledd for å være på den sikre siden, og dermed får et sluttresultat langt over det egentlige behovet for den enkelte reservedelen.

Slik løsningen fremstår i dag bygger den på 30-40 ulike prognosemodeller som til sammen finner et etterspørselsmønster. Prognosene skjer periodisk og er basert på svingninger i den reelle etterspørselen. Valget av det mest riktige innkjøpsforslaget skjer automatisk og uten at brukeren trenger statistikkompetanse.

Dermed kan Kverneland optimalisere lageret av reservedeler ved hjelp av lokal kompetanse på en nøyaktig måte og med høy grad av troverdighet i egen organisasjon.

For mer informasjon om løsningen:
Kontakt Fred Graham i SAS Institute AS på telefon: + 47 23 08 30 50 eller e-post: info@nor.sas.com.

Copyright © SAS Institute Inc. All Rights Reserved.