This case study is investigating the challenge of managing product scarcity in the supply chain by allocating scarce products to customers while maintaining customer relationships in the Fast-Moving Consumer Goods (FMCG) sector. Previous solutions on how to manage the situation of allocating scarce products have been inadequate, highly manual, and timeconsumingwork for all stakeholders. The purpose of this study is to investigate the challenges of achieving an effective supply chain during scarce and uncertain conditions and delivering a developed Business Continuity Plan (BCP) to cope with these challenges, by answering the research question: How should a Business Continuity Plan be set up to handle the allocation of scarce products to remain relevant and keep customers satisfied? A thematic literature review combined with unstructured and semi-structured interviews provided data showing that product scarcity is extra critical in categories such as electronics with highly seasonal demand combined with longer lead times and higher profitability. The most important factors to handle product allocation toward customer is the need for a more structured process, a high level of automation, and increased visibility. To make sure that the new process is anchored in the organization, raising awareness, having extensive onboarding sessions, and having good documentation on the processes were highlighted. The developed solution is a highly automated process in KNIME generating the allocation and visualizing it combined with other data in a Power BI report, increasing visibility and enhancing communication, answering the needs explained in the interviews which are highly aligned with the literature. / Denna studie undersöker utmaningen med att hantera produktbrist i leveranskedjan genom att allokera knappa produkter till kunder samtidigt som kundrelationer upprätthålls inom sektorn för snabbrörliga konsumentvaror (FMCG). Tidigare lösningar på hur man hanterar situationen med att tilldela knappa produkter har varit otillräckligt, manuellt och tidskrävande arbete för alla inblandade. Syftet med denna studie är att undersöka utmaningarna med att uppnå en effektiv försörjningskedja under knappa och osäkra förhållanden och att leverera en utvecklad Business Continuity Plan (BCP) för att klara av dessa utmaningar, genom att svara på forskningsfrågan: Hur ska en Business Continuity Plan konstrueras för att hantera tilldelning av knappa produkter för att förbli relevanta och hålla kunderna nöjda? En tematisk litteraturgenomgång i kombination med ostrukturerade och semistrukturerade intervjuer gav data som visade att produktbrist är extra kritiskt för kategorier inom elektronik med säsongsbetonad efterfrågan i kombination med längre ledtider och högre lönsamhet. De viktigaste faktorerna för att hantera produktallokering mot kund är behovet av en mer strukturerad process, hög grad av automatisering och ökad transparens. För att säkerställa att den nya processen förankras i organisationen lyftes kunskap, omfattande onboarding-sessioner och bra dokumentation om processerna fram. Den utvecklade lösningen är en automatiserad process i KNIME som genererar allokeringen och visualiserar den i kombination med annan data i en Power BI-rapport, vilket ökar synligheten och förbättrar kommunikationen, och svarar på de behov som lyfts fram i intervjuerna, i linje med den presenterade litteraturen.

Lagerhantering anses vara en betydelsefull aktivitet som företag måste ta sig an, då förbättrade metoder kan ha direkt påverkan på resultatet. Produktallokering inom lagret är en av de vitala delarna inom lagerplanering. Detta arbete är en fallstudie där fallet är ett lager hos ett producerande företag med det övergripande syftet att undersöka hur en optimeringsmodell för lagerhantering kan hjälpa organisationer med dess lagerhantering genom att studera rådande processer och utifrån det skapa en optimeringsmodell för att beräkna optimal lagerallokering. Studien har utförts genom en mixad metod, uppdelad i en kvantitativ- och en kvalitativ fas, då forskning hävdar att nyckeln till framgång för effektiv lagerhantering är att matcha policyn med lagrets layout och de ordertyper som lagret hanterar, för att anpassa optimeringsmodellen utifrån det givna fallets policy, lagerlayout och ordertyper. I den första fasen genomfördes en processkartläggning för att bygga upp för optimeringens utformning. Den andra fasen gick ut om att matematiskt beskriva samma problemuppställning och modellera problemet på insamlad kvantitativ data. I processkartläggningsfasen identifierades de två differentieringskriterierna omsättning i enheten sålda paket och förädling i enheten produktionskostnad. Målet med utförd klassificering var att ta fram vilka unika produkter som bör behandlas differentierat och erhålla tilldelad lagring, vilket var en förbättringsmöjlighet funnen i nulägesbeskrivningen. Totalt togs det fram 93 produkter att placera ut på någon av de 220 lagringsplatserna med målet att minimera körsträckan med truck. Jämförelse av målfunktionsvärden mellan optimaluppsättning enlig modell och dagens uppsättning, påvisade en teoretisk besparing av antal körda meter på 35 %. Studiens resultat har påvisat att matematisk modellering och linjärprogrammering går att använda för lagerallokeringsproblem för att optimera produktallokeringen, där den matematiskmodellen baserats på fallspecifika egenskaper. Modellens resultat förväntas underlätta ett antal av de problem som noterats vid kartläggning av lagerhanteringsprocesserna. / Inventory management is considered to be an important activity that companies need to accomplish as improved methods directly can affect the final result. Product allocation within the warehouse is one of the vital parts of inventory management. This report is a case study where a warehouse of a manufacturing company is considered the case. The overall purpose is to investigate how a optimization model can help organizations with their inventory management, by first studying existing processes and based on that create the model to calculate optimal inventory allocation. The study has been conducted through a mixed method, divided into a quantitative and qualitative phase, as research claims that the key to the success of efficient inventory management is to match the layout of the warehouse case policy, stock layout and order types in order to customize the optimization model. In the first phase, a process mapping was conducted to build the optimization design. The second phase was based on mathematically describing the same problem setup, and then to model the problem with collected data. In the process-mapping phase, two differentiation criteria were identified as units sold packages and the unit production cost. The purpose of the classification was to identify which unique products that should be treated differently and receive assigned storage, which was an improvement opportunity found in the case description. A total of 93 products were placed on one of the 220 storage sites, with the aim of minimizing the mileage by truck. Comparison of target function values ​​between the optimal set-up model and the current set, demonstrated a theoretical saving of the number of driven meters of 35%. The study results have shown that mathematical modeling and linear programming can be used for inventory allocation problems to optimize product allocation, where the mathematical model is based on case-specific properties. The model's results are expected to facilitate a number of the problems noted in mapping inventory management processes.