<p>Sapa Heat Transfer AB (SHT AB) är en av tre delar inom koncernen Sapa Group, som ägs av det norska företaget Orkla ASA. SHT AB har produktion både i Sverige (Finspång) och i Kina (Shanghai). Företaget är en världsledande leverantör och utvecklare av aluminiumband som används i olika typer av värmeväxlare, främst inom bilindustrin.</p><p>I flera steg av produktionen, som innefattar omsmältning, varm- och kallvalsning samt skärning, uppkommer ett skrotfall av aluminium. Detta skrot tas omhand och återanvänds som råvara i företagets omsmältverk. SHT AB har idag inget automatiserat IT-stöd för att prognostisera skrotavfallet, dessa beräkningar görs istället med hjälp av Excel. Då skrotfallet beräknas används ett schablonvärde för processens utbyte, som motsvarar genomsnittet för samtliga legeringskombinationer i produktion. Eftersom ett medelvärde används blir prognosen missvisande för vissa legeringar. Detta då utbytet varierar mycket, vilket gör att det både finns de legeringskombinationer som har betydligt högre utbyte än genomsnittet och de som har betydligt lägre. SHT AB har idag inte heller någon koppling mellan faktisk orderstock och kortsiktig prognostisering av skrotfall.</p><p>Syftet med detta examensarbete är att ta fram förslag på hur Sapa Heat Transfer AB kan och bör utveckla sin prognostisering av skrotfall. Därigenom ska Sapa Heat Transfer AB få bättre precision i både långsiktig och kortsiktig skrotfallsprognos, och på så vis förbättra råvaruplaneringen.</p><p>För att förbättra den långsiktiga skrotfallsprognosen måste nedbrytningen av prognosen för legeringskombinationer analyseras. En förbättring av nedbrytningen förväntas innebära en förbättrad långsiktig prognos. Förbättrad innebär i detta fall att skrotfallsprognosen bättre ska följa den långsiktiga prognosen för försäljning av legeringskombinationer. Precisionen hos skrotfallsprognosen blir givetvis beroende av precisionen hos denna prognos. En förändring av nedbrytningen medför dock att kapacitetsplaneringen för omsmältverkets ugnar påverkas.</p><p>Åtgärdsförslaget som tas fram för den långsiktiga prognostiseringen är tänkt att förbättra denna genom att schablonvärdet som används ersätts med varje legeringskombinations specifika prognostiserade utbyte. Data som behövs för att genomföra en sådan prognos finns tillgänglig i SHT AB:s databaser, och med hjälp av prognostiseringsmetoden exponentiell utjämning kan utbytet prognostiseras. Genom att använda denna metod med ett lågt värde på utjämningskonstanten α, fås en prognos där extremvärden inte ger kraftiga utslag på prognosen.</p><p>Den kortsiktiga skrotfallsprognosen, som idag bygger på en nedbrytning av den långsiktiga prognosen, kan förbättras genom att istället kopplas till den faktiska orderstocken. Om denna koppling görs baseras skrotfallsprognosen mer på känd information istället för på en annan prognos. En koppling till orderstocken kan dock bara användas för kortsiktig skrotfallsprognostisering då orderstocken inte sträcker sig flera månader framåt.</p><p>Åtgärdsförslaget som tas fram för den kortsiktiga skrotfallsprognosen utgår från att en schablonmässig prognos först tas fram för de skrotgrupper som ska prognostiseras. I denna används en individuell prognostiserad skrotfallsfaktor som tas fram med exponentiell utjämning för respektive skrotgrupp. Skrotfallsfaktorn är baserad på historisk data för planerat material in till processen och invägt skrot till smältverket. Med hjälp av skrotfallsfaktorn, data för hur mycket material som är planerade in i processen kommande veckor och med hänsyn till att skrot faller under hela ledtiden, kan ett förväntat skrotfall för kommande vecka/veckor beräknas.</p><p>För att få en bättre precision än hos den schablonmässiga prognosen, kan sedan prognosen för de skrotgrupper som är mest intressanta utvecklas och anpassas. De kan ges individuella värden på utjämningskonstanten α för prognostiseringen av skrotfallsfaktor och även sättet som hänsyn till ledtid tas kan anpassas. I förslaget har förenklingen gjorts att skrot väntas falla symmetriskt över ledtiden vilket inte stämmer helt med verkligheten. Därför bör prognosen också utvecklas så att hänsyn tas till att det exempelvis faller förhållandevis mycket skrot i slutet av ledtiden.</p> / <p>Sapa Heat Transfer AB (SHT AB) is one of three components in the corporate group Sapa Group, owned by the Norwegian company Orkla ASA. Sapa Heat Transfer AB has production in Sweden (Finspång) and China (Shanghai). The company is a world leading supplier and developer of aluminum strips used in various types of heat exchangers, primarily in the automotive industry.</p><p>In several stages of the production, which includes remelting, hot and cold milling and cutting, a part of the processed material becomes scrap metal. This scrap metal is collected and reused as raw material in the remelting factory. SHT AB currently has no automated IT support to forecasting this scrap metal; these calculations are, in the current situation, made with the help of Excel. In the calculation of scrap metal the company uses a standard value, corresponding to the average yield for all alloy combinations in the production. As a mean value is being used for all alloy combinations, the forecast becomes misleading for some alloys. The yield varies widely depending on the alloy, which means there are alloy combinations that are above the average yield and some that are below. In the current situation SHT AB has no link between actual orders and the short-term forecast of scrap metal.</p><p>The purpose of this thesis is to develop proposals on how Sapa Heat Transfer AB can and should develop its forecasting of scrap metal. This will help them getting a better accuracy in their forecasting and thereby improving the raw material planning.</p><p>In order to improve the long-term forecast of scrap metal the decomposition of the forecast for the alloy combination had to be analyzed. An improvement of the decomposition will mean an improvement of the precision for the long-term prognosis of scrap metal. A change in the decomposition will also influence the capacity planning in the remelting factory.</p><p>The action proposal for the long-term forecasting will result in a better accuracy of the forecast by replacing the mean value for the yield by a specific forecasted yield of each alloy combination. The data needed to carry through such a forecast is available in SHT AB´s databases, and by using the forecasting method exponential smoothing the yield can be forecasted. By using this method a forecast will be obtained that, with a low value of α, will not take such great impact from extreme values that sometimes occur.</p><p>The current short-term scrap metal forecast, based on a decomposition of the alloy combination forecast, can be improved by a link to the actual backlog. If this link is established the scrap metal forecast will be based on known information instead of forecasted data. A link to the backlog can only be used for a short-term forecast due to the length of the awaiting orders.</p><p>The action proposal to improve the short-term forecast assumes that a standardized forecast is developed for the scrap groups to be projected. The forecast should use an individually forecasted scrap factor produced with exponential smoothing for each scrap group. The scrap factor is based on historical data for the material planned to go into the process and the weighed scrap delivered to the remelting factory. With this scrap factor, data on how much material that is planned into the process the coming weeks and with consideration of scrap falling throughout the lead time the expected amount of scrap for the coming week / weeks can be calculated.</p><p>To get a better precision compared to the standardized forecasts, the forecasts of the most interesting scrap groups should be developed and adapted. They can be given individual values of the smoothing constant α for the prediction of the scrap factor and the way the lead time is being considered can be adjusted. In the proposal the simplification that scrap is expected to fall symmetrically distributed over the lead time has been done. In reality this is not the case. Therefore, the forecast should also be developed to take into account that, for example, more scrap is falling in the end of the lead time.</p>

Sapa Heat Transfer AB (SHT AB) är en av tre delar inom koncernen Sapa Group, som ägs av det norska företaget Orkla ASA. SHT AB har produktion både i Sverige (Finspång) och i Kina (Shanghai). Företaget är en världsledande leverantör och utvecklare av aluminiumband som används i olika typer av värmeväxlare, främst inom bilindustrin. I flera steg av produktionen, som innefattar omsmältning, varm- och kallvalsning samt skärning, uppkommer ett skrotfall av aluminium. Detta skrot tas omhand och återanvänds som råvara i företagets omsmältverk. SHT AB har idag inget automatiserat IT-stöd för att prognostisera skrotavfallet, dessa beräkningar görs istället med hjälp av Excel. Då skrotfallet beräknas används ett schablonvärde för processens utbyte, som motsvarar genomsnittet för samtliga legeringskombinationer i produktion. Eftersom ett medelvärde används blir prognosen missvisande för vissa legeringar. Detta då utbytet varierar mycket, vilket gör att det både finns de legeringskombinationer som har betydligt högre utbyte än genomsnittet och de som har betydligt lägre. SHT AB har idag inte heller någon koppling mellan faktisk orderstock och kortsiktig prognostisering av skrotfall. Syftet med detta examensarbete är att ta fram förslag på hur Sapa Heat Transfer AB kan och bör utveckla sin prognostisering av skrotfall. Därigenom ska Sapa Heat Transfer AB få bättre precision i både långsiktig och kortsiktig skrotfallsprognos, och på så vis förbättra råvaruplaneringen. För att förbättra den långsiktiga skrotfallsprognosen måste nedbrytningen av prognosen för legeringskombinationer analyseras. En förbättring av nedbrytningen förväntas innebära en förbättrad långsiktig prognos. Förbättrad innebär i detta fall att skrotfallsprognosen bättre ska följa den långsiktiga prognosen för försäljning av legeringskombinationer. Precisionen hos skrotfallsprognosen blir givetvis beroende av precisionen hos denna prognos. En förändring av nedbrytningen medför dock att kapacitetsplaneringen för omsmältverkets ugnar påverkas. Åtgärdsförslaget som tas fram för den långsiktiga prognostiseringen är tänkt att förbättra denna genom att schablonvärdet som används ersätts med varje legeringskombinations specifika prognostiserade utbyte. Data som behövs för att genomföra en sådan prognos finns tillgänglig i SHT AB:s databaser, och med hjälp av prognostiseringsmetoden exponentiell utjämning kan utbytet prognostiseras. Genom att använda denna metod med ett lågt värde på utjämningskonstanten α, fås en prognos där extremvärden inte ger kraftiga utslag på prognosen. Den kortsiktiga skrotfallsprognosen, som idag bygger på en nedbrytning av den långsiktiga prognosen, kan förbättras genom att istället kopplas till den faktiska orderstocken. Om denna koppling görs baseras skrotfallsprognosen mer på känd information istället för på en annan prognos. En koppling till orderstocken kan dock bara användas för kortsiktig skrotfallsprognostisering då orderstocken inte sträcker sig flera månader framåt. Åtgärdsförslaget som tas fram för den kortsiktiga skrotfallsprognosen utgår från att en schablonmässig prognos först tas fram för de skrotgrupper som ska prognostiseras. I denna används en individuell prognostiserad skrotfallsfaktor som tas fram med exponentiell utjämning för respektive skrotgrupp. Skrotfallsfaktorn är baserad på historisk data för planerat material in till processen och invägt skrot till smältverket. Med hjälp av skrotfallsfaktorn, data för hur mycket material som är planerade in i processen kommande veckor och med hänsyn till att skrot faller under hela ledtiden, kan ett förväntat skrotfall för kommande vecka/veckor beräknas. För att få en bättre precision än hos den schablonmässiga prognosen, kan sedan prognosen för de skrotgrupper som är mest intressanta utvecklas och anpassas. De kan ges individuella värden på utjämningskonstanten α för prognostiseringen av skrotfallsfaktor och även sättet som hänsyn till ledtid tas kan anpassas. I förslaget har förenklingen gjorts att skrot väntas falla symmetriskt över ledtiden vilket inte stämmer helt med verkligheten. Därför bör prognosen också utvecklas så att hänsyn tas till att det exempelvis faller förhållandevis mycket skrot i slutet av ledtiden. / Sapa Heat Transfer AB (SHT AB) is one of three components in the corporate group Sapa Group, owned by the Norwegian company Orkla ASA. Sapa Heat Transfer AB has production in Sweden (Finspång) and China (Shanghai). The company is a world leading supplier and developer of aluminum strips used in various types of heat exchangers, primarily in the automotive industry. In several stages of the production, which includes remelting, hot and cold milling and cutting, a part of the processed material becomes scrap metal. This scrap metal is collected and reused as raw material in the remelting factory. SHT AB currently has no automated IT support to forecasting this scrap metal; these calculations are, in the current situation, made with the help of Excel. In the calculation of scrap metal the company uses a standard value, corresponding to the average yield for all alloy combinations in the production. As a mean value is being used for all alloy combinations, the forecast becomes misleading for some alloys. The yield varies widely depending on the alloy, which means there are alloy combinations that are above the average yield and some that are below. In the current situation SHT AB has no link between actual orders and the short-term forecast of scrap metal. The purpose of this thesis is to develop proposals on how Sapa Heat Transfer AB can and should develop its forecasting of scrap metal. This will help them getting a better accuracy in their forecasting and thereby improving the raw material planning. In order to improve the long-term forecast of scrap metal the decomposition of the forecast for the alloy combination had to be analyzed. An improvement of the decomposition will mean an improvement of the precision for the long-term prognosis of scrap metal. A change in the decomposition will also influence the capacity planning in the remelting factory. The action proposal for the long-term forecasting will result in a better accuracy of the forecast by replacing the mean value for the yield by a specific forecasted yield of each alloy combination. The data needed to carry through such a forecast is available in SHT AB´s databases, and by using the forecasting method exponential smoothing the yield can be forecasted. By using this method a forecast will be obtained that, with a low value of α, will not take such great impact from extreme values that sometimes occur. The current short-term scrap metal forecast, based on a decomposition of the alloy combination forecast, can be improved by a link to the actual backlog. If this link is established the scrap metal forecast will be based on known information instead of forecasted data. A link to the backlog can only be used for a short-term forecast due to the length of the awaiting orders. The action proposal to improve the short-term forecast assumes that a standardized forecast is developed for the scrap groups to be projected. The forecast should use an individually forecasted scrap factor produced with exponential smoothing for each scrap group. The scrap factor is based on historical data for the material planned to go into the process and the weighed scrap delivered to the remelting factory. With this scrap factor, data on how much material that is planned into the process the coming weeks and with consideration of scrap falling throughout the lead time the expected amount of scrap for the coming week / weeks can be calculated. To get a better precision compared to the standardized forecasts, the forecasts of the most interesting scrap groups should be developed and adapted. They can be given individual values of the smoothing constant α for the prediction of the scrap factor and the way the lead time is being considered can be adjusted. In the proposal the simplification that scrap is expected to fall symmetrically distributed over the lead time has been done. In reality this is not the case. Therefore, the forecast should also be developed to take into account that, for example, more scrap is falling in the end of the lead time.

Black-Litterman är en allokeringsmodell som gör det möjligt att förena historiska avkastningar med personliga övertygelser om framtida avkastningar från en enskild investerare. Denna studie jämför två kvantitativa metoder i framtagande av felskattningen för framtida prognoser i syfte att kunna minska Black-Littermans subjektivitet. Tidigare litteratur har testat dessa metoder enskilt men aldrig ställt dem mot varandra. De metoder som undersöks använder varianser proportionella mot varianser i marknadsjämvikten, samt varianser från residualer i en faktormodel. Resultatet visar att tillämpandet av varianser framtagna av en GARCH (1,1)-modell är den metod som genererar högst avkastning, samt ger upphov till en fördelning av tillgångar som bidrar till lägst marknadskänslighet. Utifrån denna studie rekommenderas därmed tillämpningen av varianser från residualer i en faktormodel som tillägg för att minska modellens godtycklighet. / The Black-Litterman allocation model unifies historical returns with investor personal views of future returns. The study compares two quantitative methods for the estimation of uncertainty in future views with the goal to mitigate the subjectivity of the Black-Litterman model. Previous literature have investigated and tested these methods independently but a comparison has never been made between them. The two methods consist of using variances in proportion to the variances of market equilibrium and operating the residual variance of a factor model. Results show that the usage of variances estimated by a GARCH (1,1) will generate the highest average returns with an allocation distribution that contributes to least market sensitivity. Furthermore, the study recommends the implementation of variances from residuals with the addition of a factor model to diminish the subjectivity of the Black-Litterman model.

I dagens samhälle förs omfattande diskussioner kring matsvinn och hur vi bör äta hållbart. I denna studie har orsaken till att det produceras för mycket kyckling på Kronfågel AB undersökts. Syftet med studien var att minska andelen förädlade produkter som inte kan säljas i det ordinarie flödet och därmed registreras som ”gamla varor”. För att kunna genomföra studien identifierades orsakerna till att det produceras för mycket. I dagsläget säljs de produkter som registrerats som ”gamla varor” till reducerade priser till kund, personal eller i sista hand kasseras. Orsakerna till överprodukt kategoriseras i prognosfel, överproduktion samt plockfel. Utifrån de orsakerna föreslogs förändringar som minskar det matsvinn som uppstår när kycklingen inte kan säljas till butiker till ordinarie priser. Kronfågel arbetar i dagsläget med prognoser på de förädlade produkterna och anledningen till detta är att kundorderpunkten är placerad sent i försörjningskedjan. Det gör att de inte kan anpassa produktionen efter den faktiska ordervolymen. Intervjuer har genomförts med de anställda på Kronfågel och för att få allas tankar och åsikter kring orsaken till att ”gamla varor” uppstår intervjuades ansvariga personer i de olika processerna. Vidare genomfördes observationer för att skapa en uppfattning av verksamheten samt identifiera relevanta och realistiska orsaker till problemet. Slutligen sammanställdes data från Kronfågels interna system för att kunna bevisa de teorier personalen som intervjuades framförde. Denna data användes även för att identifiera vilken process som genererade flest ”gamla varor” samt att illustrera olika typer av problem som finns i verksamheten idag. Resultatet av studien var att det finns flera olika orsaker till att produkter registreras som ”gamla varor”. Den stora faktorn var prognosfel som beror på kundernas osäkra efterfrågan. Då de förädlade produkterna har en hållbarhet på 31 dagar finns det möjlighet för kund att köpa in och lagerhålla produkterna, vilket kan vara orsaken till att ordervolymen är ojämn. Det leder till att det är svårt att framställa optimala prognoser och oftast skiljer de sig från den verkliga efterfrågan. Andra resultat som studien visade är att produktionen ibland producerar mer än planerat, vilket leder till att batchen blir större än det förväntade behovet. Det förekommer även felplock vid utlastningen, vilket innebär att de plockar senare datum än det äldsta som finns på lager. Orsaken till detta är platsbrist kombinerat med dålig ordning vid utlastningen i dagsläget. Det presenteras både kortsiktiga och långsiktiga förändringsförslag, de långsiktiga förslagen gör att det kan krävas samarbete med externa parter som påverkar möjligheten att genomföra vissa förändringar. Rekommendationen var att i första hand påbörja förhandling med de stora kunderna, som är ICA, Coop and Axfood, kring att flytta kundorderpunkten. Detta för att i större utsträckning möjliggöra produktion mot order istället för prognos. Denna rekommendation grundar sig i att den överlägset största orsaken till gamla varor är prognosfel, vilket gör att även om förändringarna genomförs internt kommer problematiken kvarstå. Parallellt med arbetet kring de externa förändringarna bör Kronfågel förbättra den interna verksamheten genom att omorganisera utlastningen i syfte att skapa förutsättningar att plocka rätt datum. Vidare bör de installera en våg vid vattenskäraren för att minska tillfällena då produktionen producerar mer än planerat. Slutligen krävs det att kommunikationen förbättras inom verksamheten, för att skapa en förståelse för sina kollegors arbetsuppgifter och på så sätt kunna genomföra sitt arbete på ett bättre sätt. Detta minskar osämja samt skapar förståelse för var problemet finns och på så sätt kunna fokusera på förbättringsarbete.

Syfte – Syftet med studien är att identifiera enskilda parametrars inverkan och åskådliggöra optimeringsmöjligheter inom säkerhetslager på komponentnivå. För att besvara syftet har tre frågeställningar formulerats. [1] Vilka parametrar behöver tas hänsyn till vid beräkning av säkerhetslager? [2] Vilka möjligheter för lager- och säkerhetslageroptimering kan identifieras inom ett tillverkningsföretag, för inköpta komponenter? [3] Hur påverkar säkerhetslager risk- och servicenivå vid simulering av identifierade optimeringsmöjligheter? Metod – Studien initierades med en förstudie vilken avsåg belysa det faktiska problemområdet och dess kontext. Förstudie och litteraturstudie i kombination bidrog till skapandet av syfte och frågeställningar. Studien är utformad enligt typen enfallsdesign, nyttjade datainsamlingsmetoder innefattade dokumentstudie och intervju. Från intervju erhölls kvalitativa primärdata vilket avsåg åskådliggöra nyckelpersoners kunskap och uppfattning av studerat fenomen. Från dokumentstudie erhölls kvantitativa sekundärdata vilket avsåg komplettera empiri och triangulera data. Resultat – Problematik beträffande tillvägagångssätt vid kalkylering av säkerhetslager, influerande parametrar i kombination med komplexa systemmiljöer, utgör en utmaning. Identifiering av optimeringsmöjligheter inom säkerhetslager och valet av givna parametrar kan starkt påverka slutgiltigt utfall och därmed organisationens välmående. Spektrum av parametrar som bör beaktas vid dimensionering av säkerhetslager är omfångsrikt, en enskild parameters inverkan kan variera beroende på kontext. Identifiering av givna omständigheter kan betraktas kritisk, felbedömning kan medföra oproportionerlig dimensionering av säkerhetslager vilket resulterar i överskottslager kontra bristsituation. Statistisk beräkning, vilken beaktar flertalet parametrar, påvisas dimensionera säkerhetslager mer adekvat kontra erfarenhetsmässiga beslut. Hänsyn till endast täcktid med utgångspunkt i ledtid har genom simulering konstaterats resultera i överdimensionerat säkerhetslager, vilket medför direkt ekonomisk och praktisk implikation. Därav betraktas studerad företeelse och likartade besitta goda möjligheter för säkerhetslageroptimering. Komplexa systemmiljöer i vilket studerat företag planerar produktflöde, i kombination med avancerad systemlogik medför problematik. Omständigheten kräver därav stor kunskap inom givet system för att effektivt hantera och filtrera kritisk information. Implikationer – Ämnesområdet säkerhetslager i anknytning till optimering är väl utforskat inom existerande litteratur, därav återfinns föga utrymme att generera ny kunskap inom området. Trots givna omständigheter tillför studien i viss omfattning kunskap, genomförd studie framlägger och stärker befintlig forskning beträffande prognos och parameters inverkan på säkerhetslager. Betydande praktiska implikationer består i revidering av säkerhetslagernivå enligt statistisk beräkning och differentiering av komponenter utefter dess betydelse för organisationen. Begränsningar – Studien innefattade enbart ett fallföretag, valet påverkar därav studiens generaliserbarhet. Simulering av statistisk säkerhetslagerberäkning, vilket utgör ett av studiens fundament, kan inte generaliseras mot fullständigt sortiment eller liknande företag. Studerat urval bedöms otillräckligt, dock indikerar erhållet resultat att betydande optimeringsmöjligheter föreligger inom organisationen. Begränsning beträffande antalet undersöka komponenter och intervjuade personer kan påverkat genererat resultat. / Purpose – The purpose of this study is to identify the significance of specific parameters and illustrate possible optimizations within safety stock on a component level. To fulfill the purpose, three research questions were formulated. [1] What parameters needs to be considered in the calculation of safety stock? [2] What opportunities for inventory and safety stock optimization can be identified within a manufacturing company, regarding purchased components? [3] How does safety stock affect risk and service level when simulating identified optimization opportunities? Method – The study was initiated with a pilot study in order to highlight the problem area and its context. Combined, the pilot study and literature review contributed to the creation of the purpose and research questions. The study is designed in accordance with a case study, used data collection methods included document study and interviews. The interviews generated qualitative primary data which intended to illustrate key employees’ knowledge and understanding of the researched phenomenon. The document study generated quantitative secondary data which intended to supplement and triangulate empirical data. Findings – Problems regarding different approaches when calculating safety stock, influencing parameters in combination with complex system environments poses a challenge for practitioners. Identification of opportunities within safety stock optimization and the selection of parameters can strongly affect the final outcome and consequently the organization’s wellbeing. The spectrum of parameters that should be considered when determining safety stock level is extensive, the impact of an individual parameter may vary depending on the context. A critical factor is to identify given circumstances, errors in judgement may cause disproportional levels of safety stock, resulting in shortage or excess inventory. Numerical calculations, taking into account a majority of parameters, proves to determine a more appropriate level of safety stock versus experience-based decisions. To only consider time period coverage based on lead time, as proven by simulation, will result in excess levels of safety stock, hence generating economical and practical implications. Therefore, studied phenomenon and similar are considered to possess favorable conditions for safety stock optimization. Complex system environments in which the studied company conduct supply chain planning, combined with advanced system logics, entails problematic situations. These conditions require a great amount of knowledge within a given system to effectively manage and filter critical information. Implications – The subject area safety stock in relation to optimization is thoroughly researched as proven by existing literature, hence generating new knowledge within the area is considered challenging. Despite the circumstances, this study succeeds to contribute some knowledge. The study presents and strengthens existing research regarding forecast and parameters effect on safety stock. Significant practical implications consist in revising the safety stock level in accordance to numerical calculation and differentiation of components in correlation to its importance. Limitations – The study only included one case company, therefore affecting the study’s generalizability. Simulation of numerical safety stock calculation within the study cannot be applied on the full range of components or similar companies. The selection of simulated components is deemed insufficient, nevertheless obtained result indicate significant possibilities for optimization within the organization. Restrictions regarding the number of investigated components and interviewed employees may have affected the final results.

<p>Commissioned by the government, SOS Alarm has undertaken the assignment to be responsible for the emergency calls within Sweden. They are also performing commissions for the county councils in dispatching ambulances. SOS Alarms business concept is to develop, offer and perform services to create safety in emergency situations and to create a safer society.</p><p>To develop the ambulance services in Sweden, SOS Alarm started a project in the beginning of 2003. The project is called OPAL, Optimized Ambulance Logistics, and it is being conducted in cooperation with Linköpings Universitet. Ambulance Logistics is the planning, implementation and control of resources and information used to facilitate an efficient way of serving a person in need of out-of-hospital medical care, including possible transportation.</p><p>Among other things, the OPAL-project has resulted in a preparedness calculator. The calculator calculates the preparedness for certain areas in Sweden (so far Dalarna and the county of Stockholm) and visualizes the preparedness on a digital map to support the persons who dispatch the ambulances. If an area has “bad preparedness”, in simple terms it means that there are not enough ambulances in the surrounding area to cover the probable needs.</p><p>The inputs for the preparedness calculator include forecasts of where and when ambulance calls are probable to occur in Sweden. The purpose with this thesis is to create a method to produce these forecasts. A method to update the forecasts when new input data is available also has to be created. The data analysis and production of forecasts in this thesis are based on data from Dalarna. However, the method has to be generalized and eventually applicable to produce forecasts for the rest of Sweden.</p><p>An analysis of historical data shows that the demand is constant, with no obvious trend. It is obvious that number of ambulance calls is differentiated over the days of the week and also over the hours of the day. Therefore, the week is categorized into 168 different indexes, one for each hour of the week. The next step is to examine two reasonable forecasting methods, moving average and exponential smoothing, and compare their quantitative and qualitative characteristics. Based on these comparisons, the moving average method is recommended.</p><p>With the forecasts, the preparedness in selected areas can be calculated and SOS Alarm receives excellent assistance in dispatching ambulances in a more efficient way. The preparedness calculator will assist in preventing bad preparedness and it makes sure that the best possible preparedness is being upheld. Therefore, good forecasting can contribute to a safer society and to saving human lives.</p> / <p>SOS Alarm har, med staten som uppdragsgivare, åtagit sig att svara för nödnumret 112 inom Sverige. De utför även uppdrag för landstingens räkning, inom ambulansalarmering och inom ambulansdirigering. SOS Alarms affärsidé är att utveckla, erbjuda och utföra tjänster för att skapa trygghet i nödsituationer och bidra till ett tryggare samhälle.</p><p>I början av år 2003 inledde SOS Alarm projektet OPAL med målet att utveckla ambulansverksamheten i Sverige. OPAL står för Optimerad Ambulanslogistik och drivs i samarbete med Linköpings universitet. Ambulanslogistik är den planering, implementering och kontroll av resurser och information som utförs för att åstadkomma ett effektivt sätt att betjäna en person i behov av vård utanför sjukhuset, inklusive eventuell transport.</p><p>OPAL-projektet har bland annat resulterat i en beredskapskalkylator. Denna kalkylator beräknar beredskapen för vissa områden i Sverige (för närvarande i Dalarna och Stockholms län) och visualiserar dessa beredskaper på en digital karta som stöd för de personer som styr ambulanserna och tilldelar dem uppdrag. ”Dålig beredskap” i ett område innebär förenklat att det inte finns tillräckligt många ambulanser i närheten för att uppfylla det förväntade behovet.</p><p>En ingående parameter som behövs till beredskapskalkylatorn är prognoser för när det är troligt att uppdrag kommer att uppstå i olika områden. Syftet med examensarbetet är att skapa en metod för att prognostisera detta förväntade antal uppdrag för ambulanserna i Sverige. En metod ska även skapas för att prognoserna ska kunna uppdateras i takt med att ny data samlas in. Analysen av data och framtagning av prognoserna utförs i examensarbetet för Dalarna som exempel, men metoden ska kunna användas även för att ta fram prognoser för övriga Sverige.</p><p>En analys av historiska data för Dalarna visar en bakomliggande konstant efterfrågemodell utan tydlig trend. Det visar sig tydligt att antal uppdrag beror på vilken veckodag samt vilken timme på dygnet som råder. Valet blir därför att tilldela veckan 168 olika index, ett för varje timme under veckan. Sedan undersöks två rimliga prognosmetoder, glidande medelvärde och exponentiell utjämning, som jämförs kvalitativt och kvantitativt. Med dessa analyser som grund rekommenderas metoden glidande medelvärde.</p><p>Med prognosvärden kan beredskapen i utvalda områden beräknas och SOS Alarm får god hjälp att dirigera ambulanser på ett mer effektivt sätt. Beredskapskalkylatorn är ett verktyg som hjälper till att förebygga dålig beredskap och att se till att bästa möjliga beredskap hålls. Goda prognoser kan alltså bidra till ett tryggare samhälle och att rädda människoliv.</p>

Beslutet om att bygga Uppsala Konsert och Kongress har varit ett omdebatterat ämne i Uppsala där kritik har framförts mot bland annat de kalkyler som varit en del av beslutsunderlaget till investeringen. Kritiker uttryckte att om beslutsfattarna hade fått en mer rättvisande bild av intäkterna och kostnaderna, hade beslutet om att uppföra byggnaden aldrig gått igenom. Att det fanns frågetecken kring kalkylerna bekräftades av en kort genomgång av dem, då det visade sig att stora poster i den inte hade specificerats.Med bakgrund av detta är syftet att svara på frågorna på vilket sätt kalkylunderlaget för driftsverksamheten varit bristfälligt samt vad som kan ha legat bakom detta. Materialet som använts för att svara på frågorna har varit en intervju med personen som varit ansvarig för kalkylerna samt dokumenten som haft anknytning till investeringskalkylerna, i form av rapporter och verksamhetsbeskrivningar, som varit en del av beslutsunderlaget.Slutsatsen är att kalkylunderlaget för driftsverksamheten, som presenterades inför beslutet om att bygga Uppsala Konsert och Kongress, har varit bristfälligt på flera punkter och att detta kan ha påverkats av flera faktorer såsom personliga intressen och förväntningar. Detta innebar i sin tur att beslutet om att bygga Uppsala Konsert och Kongress kom att fattas på ofullständiga grunder.

Detta 20-poängs projekt på D-nivå har genomförts som en fallstudie på Kinnarps AB i syfte att utveckla en prognostiseringsprocess. Processen ska förbättra framförhållningen och underlätta planering på medellång sikt. Efter att undersökt de problem som upplevs på Kinnarps utvecklade vi följande problemformulering: Hur ser prognostiseringsarbetet ut på Kinnarps idag? Hur bör en generell prognostiseringsprocess utformas? Hur kan prognostiseringsprocessen anpassas till Kinnarps? En kartläggning av de berörda avdelningarna utfördes för att besvara den första frågan. Kartläggningen genomfördes genom intervjuer av personer på marknads-, produktions-, inköps- och leveranslogistikavdelningen, även återförsäljare intervjuades då de har kontakt med slutkunden och kunskap om marknaden. Flera problem som påträffades kan vara orsakade av Kinnarps korta framförhållning, som överbeläggning i produktionen, hög fyllnadsgrad i lager 5 och lång ledtid. Det finns tecken på brist i kommunikation mellan avdelningarna vilket leder till att alla planerar för att optimera sin egen avdelning och glömmer att se till helheten. Ett ytterliggare problem är att det inte finns en funktion med ansvar för att planera på medellång sikt. En litteraturstudie genomfördes för att kunna utveckla en generell prognostiseringsprocess, resultatet blev en cyklisk process som är uppdelad i fyra delprocesser, avvikelseuppföljning, efterfrågeprocessen, prognosförmedling samt processförbättring. För att prognostiseringsprocessen ska överleva och utvecklas anser vi att det bör finnas en prognosansvarig och innan processen kan implementeras måste parametrarna för prognosen bestämmas. Den anpassade processen till Kinnarps innehåller samma fyra delprocesser. En diskussion har förts kring vilka parametrar som vore lämpliga som grund till processen. Då Kinnarps inte har någon taktisk framförhållning idag anser vi att de bör börja prognostisera med en horisont på ett år, indelad i kvartalsperioder då den ska uppdateras och utvärderas. Detta är lämpligt då indelningen passar med budgetåret och säsongsvariationerna samt att de med den framförhållningen kan hinna genomföra förändringar i kapacitet. Som underlag till prognosen bör de använda sig av försäljningshistorik från affärssystemet och säljkårsuppfattning från återförsäljare och marknadsexperter. Prognoserna bör göras på en produktmodellnivå, som sedan ska kunna brytas ner på artikelnivå i systemet. Prognostiseringsprocessen är ett lämpligt sätt att utveckla samarbetet och integreringen mellan Kinnarps avdelningar då de bör stödja varandra för att förbättra för företaget som helhet. Användandet av en prognostiseringsprocess skulle ge Kinnarps ett bättre underlag för kapacitetsplanering av maskiner och personal i produktionen. Det skulle även kunna ge inköpare bättre förutsättningar vid avtalsförhandling hos leverantörer och bättre leveranssäkerhet. Leveranslogistik skulle kunna planera sina resurser bättre och marknadsavdelningen och återförsäljarna skulle kunna lova sina kunder kortare ledtider vilket skulle ge den konkurrensfördelar.

<p>Detta 20-poängs projekt på D-nivå har genomförts som en fallstudie på Kinnarps AB i syfte att utveckla en prognostiseringsprocess. Processen ska förbättra framförhållningen och underlätta planering på medellång sikt. Efter att undersökt de problem som upplevs på Kinnarps utvecklade vi följande problemformulering:</p><p>Hur ser prognostiseringsarbetet ut på Kinnarps idag?</p><p>Hur bör en generell prognostiseringsprocess utformas?</p><p>Hur kan prognostiseringsprocessen anpassas till Kinnarps?</p><p>En kartläggning av de berörda avdelningarna utfördes för att besvara den första frågan. Kartläggningen genomfördes genom intervjuer av personer på marknads-, produktions-, inköps- och leveranslogistikavdelningen, även återförsäljare intervjuades då de har kontakt med slutkunden och kunskap om marknaden. Flera problem som påträffades kan vara orsakade av Kinnarps korta framförhållning, som överbeläggning i produktionen, hög fyllnadsgrad i lager 5 och lång ledtid. Det finns tecken på brist i kommunikation mellan avdelningarna vilket leder till att alla planerar för att optimera sin egen avdelning och glömmer att se till helheten. Ett ytterliggare problem är att det inte finns en funktion med ansvar för att planera på medellång sikt.</p><p>En litteraturstudie genomfördes för att kunna utveckla en generell prognostiseringsprocess, resultatet blev en cyklisk process som är uppdelad i fyra delprocesser, avvikelseuppföljning, efterfrågeprocessen, prognosförmedling samt processförbättring. För att prognostiseringsprocessen ska överleva och utvecklas anser vi att det bör finnas en prognosansvarig och innan processen kan implementeras måste parametrarna för prognosen bestämmas.</p><p>Den anpassade processen till Kinnarps innehåller samma fyra delprocesser. En diskussion har förts kring vilka parametrar som vore lämpliga som grund till processen. Då Kinnarps inte har någon taktisk framförhållning idag anser vi att de bör börja prognostisera med en horisont på ett år, indelad i kvartalsperioder då den ska uppdateras och utvärderas. Detta är lämpligt då indelningen passar med budgetåret och säsongsvariationerna samt att de med den framförhållningen kan hinna genomföra förändringar i kapacitet. Som underlag till prognosen bör de använda sig av försäljningshistorik från affärssystemet och säljkårsuppfattning från återförsäljare och marknadsexperter. Prognoserna bör göras på en produktmodellnivå, som sedan ska kunna brytas ner på artikelnivå i systemet.</p><p>Prognostiseringsprocessen är ett lämpligt sätt att utveckla samarbetet och integreringen mellan Kinnarps avdelningar då de bör stödja varandra för att förbättra för företaget som helhet. Användandet av en prognostiseringsprocess skulle ge Kinnarps ett bättre underlag för kapacitetsplanering av maskiner och personal i produktionen. Det skulle även kunna ge inköpare bättre förutsättningar vid avtalsförhandling hos leverantörer och bättre leveranssäkerhet. Leveranslogistik skulle kunna planera sina resurser bättre och marknadsavdelningen och återförsäljarna skulle kunna lova sina kunder kortare ledtider vilket skulle ge den konkurrensfördelar.</p>

Diss. (sammanfattning) Uppsala : Uppsala universitet, 2007. / Härtill 4 uppsatser.