<p>Balansering av tillgång och efterfrågan har alltid varit ett aktuellt ämne och för att klara av denna balansering krävs information om kommande efterfrågan. Denna information måste ligga så långt fram i tiden som det tar för att med säkerhet få hem exempelvis material. För att lyckas med detta använder sig företag i olika utsträckning av uppskattad framtida efterfrågan, så kallade prognoser. Prognoser kan definieras som systematiska metoder för att förutsäga framtida händelser.</p><p>Problemet är att oavsett hur prognoser görs stämmer det prognostiserade värdet nästan aldrig överens med det verkliga utfallet. Många företag vet att deras prognoser inte är exakta utan att veta vad de ska göra åt saken. Många gånger ignorerar de bara problemet och hoppas att det ska lösa sig självt. För att kunna förbättra sina prognoser bör därför dokumentation och uppföljning ske av det arbete som görs. Med hjälp av uppföljning kan prognosfel beräknas, ett prognosfel är avvikelsen mellan det prognostiserade värdet och det verkliga utfallet. I de fall då prognosfelen är små kan företag genom dokumentation identifiera vad som urskilde dessa perioder från de med högre prognosfel.</p><p>Författarna har i denna uppsats försökt beskriva hur företag kan uppnå en förbättrad prognosprocess med en lägre prognosavvikelse. Uppsatsen syftar också till att väcka intresset för samarbete över företagsgränser. Collaborative forecasting är en av metoderna som författarna har använt sig av för att överkomma problemen med traditionell prognostisering och som samtidigt är i linje med supply chain management. Denna metod samlar ihop och sammanställer information från både interna och externa källor för att sedan sammanställa en prognos som stöds av hela organisationen.</p><p>Uppsatsen är en fallstudie hos vitvaruföretaget Asko Cylinda AB. För att få ytterligare idéer om hur prognosprocessen kan se ut i praktiken har författarna också tittat på prognosprocessen hos Volvo Penta AB. Båda företagens prognosprocesser har sedan analyserats och jämförts med hjälp av teori från litteratur och artiklar. Genom denna analys har författarna kommit fram till förslag på arbetssätt som Asko Cylinda AB och företag med liknande företagsmiljö kan använda sig av för att förbättra sin prognosprocess.</p><p>Analyskapitlet är uppbyggt enligt tre scenarier, en nulägesbeskrivning, ett förslag på en enkel prognosprocess och ett förslag på en mer avancerad prognosprocess. I analysen har olika mätetal används för att åskådliggöra hur prognosavvikelsen varierar då till exempel olika prognosberäkningsmetoder används.</p><p>Utifrån scenarierna som analyserats har författarna kommit fram till att det finns många fördelar med Asko Cylinda AB:s nuvarande arbetssätt och att flera av dessa stöds av teorin. En fördel med en enklare prognosprocess är att den allokerar betydligt mindre resurser än vad som görs i dagsläget. Detta är enligt författarna inte tillräckligt skäl att använda sig av den enkla varianten då framtiden går mot mer samarbete över företagsgränserna för att gemensamt öka konkurrenskraften. Arbetssättet som analyseras i scenario 3 ses av författarna som det bästa alternativet. Detta scenario har hämtat mycket inspiration från teorierna om collaborative forecasting, vilket bidrar till en process som arbetar mer enligt supply chain management. Även delar från både den nuvarande prognosprocessen och Volvo Penta AB:s prognosprocess har använts för att för att uppnå detta arbetssättsförslag som baserats på både teori och praktik och utformats för att vara slagkraftigt i framtiden.</p>
| Identifer | oai:union.ndltd.org:UPSALLA/oai:DiVA.org:his-119 |
| Date | January 2007 |
| Creators | Svensson, Carl-Johan, Åkerstedt, Jesper |
| Publisher | University of Skövde, School of Technology and Society, University of Skövde, School of Technology and Society, Skövde : Institutionen för teknik och samhälle |
| Source Sets | DiVA Archive at Upsalla University |
| Language | Swedish |
| Detected Language | Swedish |
| Type | Student thesis, text |
Page generated in 0.0021 seconds