In this work different stability indices have been tested to determine which one ofthem that should be given most attention in the forecasting of thunderstorms. Thestudy also includes a brief description of a number of stability indices and theirbackground. The investigation includes eight frequently used stability indices. The results areevaluated with the indices POD, FAR, Brier Score and Skill Score. When making asummary of the case studies the stability indices HH-index and Åskrisk give the bestresults, while the results for indices KO-index and CAPE are poor. The other stabilityindices give mediocre results. The bad results for the widely used KO-index and CAPE are surprising. The mostlikely cause for the bad result of KO-index is an inadequate translation from the indexvalue to risk of thunderstorm in percent. Studies like this should in the future beperformed during an entire season. The use of the ECMWF-model may be a source oferror because of gross resolution. A model with less spacing between the grid pointsis preferable when making this kind of studies. Finally, HH-index and Åskrisk givethe best results in this study and should therefore be given most attention whenforecasting thunderstorms. / I detta arbete har olika stabilitetsindex testats för att avgöra vilket av dem som börväga tyngst vid prognostisering av åska. Studien innefattar även en kortarebeskrivning av ett antal index och deras bakgrund. Undersökningen innefattar åtta vanligen använda stabilitetsindex. Resultaten ärutvärderade med hjälp av verifikationsmåtten POD, FAR, Brier Score samt SkillScore. Vid sammanställning av samtliga fall uppvisas bäst resultat avstabilitetsindexen HH-index samt Åskrisk, medan KO-index och CAPE ger dåliga värden. Övriga stabilitetsindex uppvisar mediokert resultat. Det dåliga resultatet för de vanligen använda och etablerade KO-index och CAPE ärförvånande. En trolig orsak till KO-index dåliga resultat tros vara en felaktigöversättning från indexvärde till risk för åska i procent. I framtiden bör liknandestudier utföras under en hel säsong. Användningen av ECMWF:s modell som grundför uträkningen av indexen kan vara en felkälla p.g.a. den grova upplösningen imodellen. Det är helt klart att föredra en modell med finare upplösning vid studier avden här karaktären. Slutligen konstateras att HH-index och Åskrisk i undersökningenger likvärdigt bra resultat och därför bör väga tyngst vid prognostisering av åska.

Bakgrund: För företag är logistikverksamheten ett område som är av stor betydelse för lönsamheten. Lönsamheten förbättras genom att öka antingen vinstmarginalen eller kapitalomsättningshastigheten, där det senare kan erhållas genom att minska lager-nivåerna. Lager leder till ett antal kostnader, bland annat kapitalbindning. En viktig faktor inom lagerstyrningen är prognoser. Företag använder prognoser för att uppskatta produkternas framtida efterfråga i syfte att planera sin verksamhet. Då prognoser sällan stämmer mot verkligt utfall uppstår en osäkerhet. I lagerstyrningen täcks osäkerheten upp genom användning av säkerhetslager, som baseras på prognosmodellers avvikelser samt efterfrågevariationen. Därmed kan en förbättring av prognosarbetet minska kapitalbindningen, eftersom säkerhetslagernivån kan sänkas vid en reducering av osäkerheten. Syfte: Som ett led i fallföretagets eget arbete mot minskad kapitalbindning i säkerhets-lagret är syftet med studien att testa vilka prognosavvikelser olika prognosmodeller ger för Getinges komponenter i produktfamilj 46. Vidare är syftet att analysera vad som ligger till grund för prognosmodellernas utfall utifrån komponenternas olika efterfråge-strukturer. Slutsats: Studiens resultat visar vilka prognosavvikelser de utvalda prognosmodellerna genererar för komponenterna i Getinges produktfamilj 46. Författarna konstaterar att exponentiell utjämning är den prognosmodell som ger lägst prognosavvikelser gentemot verklig efterfråga. Anledningen beror på prognosmodellens utformning där närliggande och färskare information viktas högre än äldre data. Vidare visar studiens resultat att komponenternas efterfrågestruktur påverkar prognosmodellernas avvikelser. Komponenter med hög efterfrågad kvantitet, hög efterfrågefrekvens samt låg variation i efterfrågan bidrar till minskade prognosavvikelser. Detta gör att författarna kan bekräfta befintlig teori rörande hur produkters efterfrågestruktur påverkar prognosmodellers träffsäkerhet.