Analys av ERP-system för utvecklande av prognostiseringsverktyg
William Klemets
Examensarbete för ingenjörs (YH)-examen Produktionsekonomi
Vasa 2021
Författare: William Klemets Utbildning och ort: Ingenjör (YH), Vasa Inriktning: Produktionsekonomi
Handledare: Mikael Ehrs, Yrkeshögskolan Novia
Mikael Junell, Cambridge Ohjelma Finland Titel: Analys av ERP-system för utvecklande av prognostiseringsverktyg
_________________________________________________________________________
Datum: 27.4.2021 Sidantal: 50
_________________________________________________________________________
Abstrakt
Syftet med detta lärdomsprov var att skapa en modell för utveckling och effektivering av prognostiseringsverktyg som skulle användas vid Cambridge Ohjelma Finland. Till arbetet hörde också forskning i potentiella ERP-system som företaget kunde använda för att effektivera lagerbokföring, beställningspunkter och framtida prognostisering.
Prognostiseringsverktygsmodellen gjordes utgående från företagets nuvarande verktyg och planerades kring hur det valda ERP-systemet skulle hjälpa till att få ut ett bättre och effektivare resultat. Modellen för prognostiseringsverktyget skapades i Microsoft Excel och utgör en bas för vidareutveckling av prognostiseringen i företaget. Modellen ger också inblick i vad som ska önskas finnas i ERP-systemet som ska väljas.
ERP-systemen analyserades enligt hurudana egenskaper de hade och hur bra de skulle passa ihop med nuläget i företaget samt hur bra de kunde användas i prognostiseringsverktyget. Egenskaperna som ERP-systemen hade analyserades också med hjälp av AHP-analysverktyg som kunde konkretisera valet av ERP-systemet ytterligare.
Resultaten från projektet blev ett enkelt och smidigt Excel-arbetsblad som företaget kan använda sig av vid utveckling av prognostiseringen i företaget samt beslutet att fortsätta med ERP-systemet Erply som företaget redan hade licens och tillgång till. Dessa två resultat ger en förbättrad möjlighet för företaget att vidareutveckla lagerverksamheten, prognostiseringen och rapporteringen.
_________________________________________________________________________
Språk: svenska
Nyckelord: ERP-system, prognostisering, lagerhantering
Author: William Klemets
Degree Programme: Bachelor of Engineering, Vaasa Specialisation: Industrial Management
Supervisors: Mikael Ehrs, Novia University of Applied Sciences Mikael Junell, Cambridge Ohjelma Finland
Title: Analysis of ERP Systems for the Development of Forecasting Tools
_________________________________________________________________________
Date: 27.4.2021 Number of pages: 50
_________________________________________________________________________
Abstract
The aim of this thesis was to produce a model for the development and effectivization of forecasting tools that would be used at Cambridge Ohjelma Finland. This thesis also includes research in potential ERP systems that the company could use to effectivize inventory bookkeeping, orderpoints and future forecasting.
The forecasting tool model originated from the company’s current tools and was planned around how the chosen ERP system would help in forecasting. The forecasting tool model was made in Microsoft Excel. The model is a base for development in the company’s forecasting and also gives insight in what can be desired in the chosen ERP system.
The ERP systems’ attributes, how well they would fit the current operation in the company and how it would be applied to the forecasting tool were analyzed. The ERP systems were also analyzed with the help of an AHP analysis tool that could further concretize the choice of ERP system.
The results from the project was the forecasting tool model and the decision to continue with the ERP system Erply that the company already had access to. These results give an improved opportunity for the company to further develop their warehouse operations, forecasting and reporting.
_________________________________________________________________________
Language: Swedish
Key words: ERP System, Forecasting, Inventory Management
1 Inledning ... 1
1.1 Syfte och problemprecisering ... 1
1.2 Avgränsning ... 2
1.3 Disposition ... 3
1.4 Centrala begrepp ... 3
2 Kort om Företaget ... 5
3 Teoretisk bakgrund ... 6
3.1 Lagerhantering ... 6
3.2 Prognostisering inom företagsverksamhet ... 8
3.3 ERP-system ... 13
3.4 AHP-analys ... 16
4 Nuläget ... 19
4.1 Prognostiseringen i nuläget ... 19
4.2 Företagets IT-lösningar ... 19
5 Projektet ... 21
5.1 Metoder och tillvägagångssätt ... 21
5.2 Prognostiseringsmodellen ... 22
5.2.1 Modellens definition och målsättning ... 22
5.2.2 Modellens uppbyggnad... 25
5.3 Analys av ERP-system ... 31
5.3.1 Erply ... 31
5.3.2 Monitor ... 34
5.3.3 Lemonsoft ... 37
5.3.4 Odoo ... 40
5.4 Sammanfattning av ERP-systemanalyser och AHP-analys ... 42
6 Resultat ... 46
6.1 Modell för prognostiseringsverktyg ... 46
6.2 Det valda ERP-systemet... 46
7 Diskussion ... 47
8 Källförteckning ... 49
1 Inledning
Efter flera år av sommararbete hos Cambridge Ohjelma har jag fått många erfarenheter av företagets lagerhantering och försäljningsprocesser. Tack vare denna erfarenhet ansåg jag att företaget vore en bra plats att utföra mitt examensarbete på. Därför kontaktade jag företagets administrativa chef Mikael Junell för att se om de skulle ha ett passligt uppdrag för mig. Vi planerade in ett möte för att gå över potentiella uppdrag.
Med en mängd olika IT-lösningar hos företaget fanns det brister inom effektiviteten av prognostisering och lagerbokföring samt inom kundregister och provisionsräkning. Vad företaget ville ha var en övergripande lösning för dessa problem; ett ERP-system som kunde hantera både kundregister och lagerhantering. Detta blev alltså mitt uppdrag; att analysera det ERP-system som företaget redan hade i planerna att implementera och jämföra detta med andra potentiella ERP-system för att se om det planerade ERP-systemet är det rätta alternativet. Som andra uppgift skulle jag också producera ett excelblad över hur prognostiseringen kunde effektiveras och göras lättare för eventuell samarbete mellan ERP-systemet och excelbladet.
1.1 Syfte och problemprecisering
Cambridge Ohjelma är ett dotterbolag till moderbolaget som finns i Storbritannien. Det är härifrån Cambridge Ohjelma får sina produkter och på grund av detta kräver moderbolaget en utförlig prognostisering över uppskattad försäljning. Speciellt också i nuläget med Storbritanniens utträde ur Europeiska unionen krävs ännu utförligare prognoser.
Prognoserna ska uppskatta kortsiktig försäljning som görs på tre månader; och långsiktig försäljning som görs på 18 månader.
Eftersom utförliga prognoser önskas av moderbolaget så krävs också noggrann lagerbokföring. Speciellt eftersom försäljningen är säsongsbetonad och inte jämn genom hela året. Också COVID-19 pandemin har gjort att tidigare prognostisering inte längre stämmer.
Prognostiseringsmodellen som skapas i projektet ska ge en överskådlig bild över hur kortsiktig samt långsiktig prognostisering ska planeras kring. Detta blir ett av resultaten från projektet.
Metodiken bakom att skapa denna modell är uppgjord av tätt samarbete med företagets lager och rapporteringsavdelning. Dessa ska ge input och önskemål till hur modellen ska se ut och utifrån teoretisk bakgrund, och de i nuläget existerande IT-lösningar som företaget har, ska en modell produceras i Excel.
Tillsammans med prognostiseringsmodellen hör det också till detta arbete att analysera potentiella ERP-system som kunde användas i denna nya prognostisering. ERP-systemet som företaget redan har licens till analyseras och jämförs med andra ERP-system som jag har erfarenhet av. Dessa andra ERP-system analyseras också för att se om de är bättre kandidater för implementering. Dock företaget har redan en stark preferens för ERP- systemet som de har licens till och därför blev ett av projektets mål mera att bevisa deras tankar kring detta ERP-system.
ERP-systemet och prognostiseringsmodellen ska kännas bekanta och baseras därför mycket på de nuvarande IT-lösningar och prognostiseringar som görs vid företaget. En anställd med lite teknologisk erfarenhet och kunnande ska kunna använda ERP-systemet och modellen utan större problem. Därför sattes stor vikt på enkelheten och integrationen mellan företagets IT-lösningar vid valet av ERP-system.
Det valda ERP-systemet och modellen för prognostiseringsverktyget presenterades under bestämda möten med arbetets uppdragsgivare där eventuella förbättringar diskuterades tills ett slutgiltigt resultat hade hittats.
1.2 Avgränsning
Detta arbete är avgränsat till utveckling av prognostiseringsverktyg och analys av ERP- system. Endast fyra olika ERP-system beaktas i detta arbete eftersom tillgängligheten till dessa var lätt och snabb, samt analys av ytterligare ERP-system skulle vara för tidskrävande för detta arbete. Kundregistren och provisionsuträknande beaktas inte heller i detta arbete eftersom den mängd arbete som krävs för att förbättra de lösningarna är också för tidskrävande för ett examensarbete.
1.3 Disposition
I första kapitlet inleds presentationen av arbetet med arbetets syfte, problemprecisering, avgränsning och centrala begrepp. I andra kapitlet presenteras kort bakgrundsinformation om examensarbetets uppdragsgivare. I tredje kapitlet presenteras teoretiska bakgrunden till examensarbetets utförande och metodik. I fjärde kapitlet presenteras nuläget av uppdragsgivarens situation. I femte kapitlet presenteras projektets metodik, tillvägagångssätt och utförande. I sjätte kapitlet presenteras resultatet av arbetets utförande. Slutligen i sjunde kapitlet diskuteras arbetet och resultatet samt slutord från examensarbetets skribent.
1.4 Centrala begrepp
Här presenteras en lista på de centrala begrepp som förekommer i examensarbetet med en utförligare förklaring:
Prognos: En förutsägelse av framtida händelseförlopp.
IT-lösning: Informationsteknologisk lösning på problem som görs digitalt via internet eller installerade program.
ERP-system: Ett system som övergriper hela eller en stor del av ett företags verksamhet.
AHP-analys: Analytic Hierarchy Process är en teknik för beslutsfattande i frågor med flera alternativ och flera variabler som påverkar alternativen.
Webbshop: En butikstjänst på internet därifrån beställningar görs digitalt.
Inventering: Observationsundersökning där man räknar vad som finns i lager.
Rapportering: Att samla relevant data i presentabel form för bruk i till exempel bokslut.
Coach: En skolad återförsäljare av Cambridge programmet och dess produkter.
Konsument: En direkt konsument till Cambridge som antingen besöker en coach eller beställer direkt från företagets webbshop.
Ask: En mindre förpackningsstorlek som säljs åt Cambridges direkta konsumenter. Består av 21 portioner måltidsersättningar.
Case: Förpackningsstorleken på de varor som Cambridge får in från moderbolaget och säljer till coacher. Består av sex askar.
Modul: Delarna som bygger upp ERP-system. Varje modul har olika funktioner som till exempel lagerhantering, produktion och kundhantering.
IF-sats: Excelkommando som utför ett logiskt test och ger ett svar om testet är korrekt eller inkorrekt.
2 Kort om Företaget
Cambridge Ohjelma Finland är ett företag som säljer måltidsersättningar för viktreglering.
Dessa måltidsersättningar blir tillverkade vid moderbolaget Cambridge Weight Plans anläggningar i Storbritannien och fraktas sedan till dotterbolagen som är belägna runt hela världen, dock största delen av bolagen befinner sig i Europa. (Cambridge Weight Plan, u.d.b.).
Enligt min kontaktperson Mikael Junell och logistikchefen Niklas Klemets (Personlig kommunikation 9.10.2020) är idén med företaget att sälja både måltidsersättningar och skolning inom hur de ska användas på rätt sätt. Dessa två är sammanställda i ett stegprogram. Företagets 4,5 miljoner euros omsättning byggs upp av återförsäljare som beställer produkter och säljer dem vidare. Dessa återförsäljare har fått skolning inom hur produkterna ska användas och säljas; och kallas coacher. Coacherna är egenföretagare och det finns ungefär 110 av dessa i Finland för att sälja vidare programmet. De vanligaste produkterna som coacher beställer från företaget flera case av både salta grötar och söta milkshakes. Coacherna säljer sedan vidare dessa i form av askar.
Företaget har 12 anställda och fem verksamhetspunkter i form av butiker i Jakobstad, Uleåborg, Tammerfors, Kuopio och Helsingfors. Butikerna har egna lager som fylls på med beställningar till huvudlagret i Jakobstad. Sedan 2019 skickas också beställningar till Sverige från huvudlagret och detta bidrar också till varför detta projekt görs.
År 2018 gjorde moderbolaget en enorm ändring inom varumärket och bytte namn på programmet till ”The 1:1 Diet” (one to one) för att bättre återspegla den betydelse coacher har med sina kunder. Alla dotterbolag skulle som följd också följa samma namn och varumärke. (Cambridge Weight Plan, u.d.a.).
Figur 1. Cambridges mest sålda produkt Grötmix original. (Cambridge Ohjelma Oy, u.d.).
3 Teoretisk bakgrund
I detta kapitel presenteras de bakgrundskunskaper som hör till projektets områden. Dessa presenteras för att ge kunskap och teoretisk insikt i varför arbetet utförs. Kapitlet behandlar teori bakom lagerhantering, prognostisering, ERP-system och beslutsfattande med hjälp av AHP-analyser.
3.1 Lagerhantering
Alla företag håller någon form av lager. Lagret kan bestå av företagets råmaterial, oavslutade arbeten, verktyg som används i processer eller färdiga produkter. Men lager handlar inte enbart om varor och produkter. Hantering av företagets viktiga dokument och noggrann sortering kan också ses som en form av lager. (Muller, 2003). Dock för detta arbete och företag är varulagershantering mera aktuellt än hantering och sortering av företagsdokument.
Inom producerande företag som följer moderna producerings- och lagerhanteringsmetodiker ses ett stort varulager som en form av spill. Men i företag där återförsäljning och distribution av varor är största verksamheten har varulagret en större betydelse. De största orsakerna för att hålla ett varulager är enligt Muller (Essentials of Inventory Management, 2003):
• Förutsägbarhet: För att kunna planera kapaciteter och produktionsscheman måste man kontrollera hur mycket varor man bearbetar vid en given tidpunkt. Lagret håller det man behöver av det man bearbetar.
• Fluktuationer i efterfrågan: Att hålla ett varulager är en form av säkerhet. Man vet inte alltid hur mycket varor man kommer att behöva ha till hand vid en given tidpunkt, men man vet att kundens efterfrågan måste mötas. En välplanerad lagerhantering ser till att möta all efterfrågan även om den fluktuerar.
• Opålitlighet i utbud: Ett lager skyddar också mot opålitliga leverantörer eller när varuproduktion fluktuerar och det är svårt att få ett ständigt utbud.
• Prisskydd: Att köpa stora mängder varor på en gång kan skydda mot kostnadsinflation.
• Mängdrabatter: Att köpa stora mängder varor och hålla dem i lager brukar ofta ge rabatter än om man köper in mindre mängder.
• Sänka beställningskostnader: Frakt och beställningskostnader hålls nere om man beställer större mängder mera sällan än om man beställer mindre mängder flera gånger.
Ett lager ska vara en punkt där gods tas emot och skickas vidare så snabbt som möjligt.
Lager är inte till för att bevara saker i all evighet. Lager är ofta en viktig del i många branscher, men speciellt inom e-handel har lager fått en större roll. Logistiken som bygger upp lagerhanteringen består av en mängd olika kompromisser som måste beslutas kring när man hanterar ett lager. Några av dessa kompromisser är: kostnad eller service, hastighet eller noggrannhet, lägre lagersaldo eller tillgänglighet och transportkostnader eller lagerhållningskostnader. Vid lagerhantering väger man ena kompromissen mera än den andra beroende på lagrets behov och kostnader inom branschen. (Richards, 2018, ss.
1–4).
Dessa kompromisser tas också i beaktande när man definierar ett lagers kostnad.
Kostnader inom lagerhantering handlar inte enbart om pengar utan att hålla lager kostar också utrymme, arbetskraft, skada eller åldrande av varor, och risken för stöld. I ett vinstdrivande företag är kostnader något som ses över hela tiden, och därför hör det till en lyckad lagerhantering att hålla det till lagret hörande kostnader nere. (Muller, 2003, ss. 2–
4).
Lagerhantering kan utföras utgående från plan. En plan som identifierar hur lagrets utrymmen och efterfrågan ändras med tiden. Planen ska vara baserad på äkta data och inte bara tankar och idéer. Planen ska beakta hur mycket gods som kommer till lager, hur mycket som går ut ur lager och hur arbetarna påverkar lagrets verksamhet. Planen ska också vara tidsbunden. Planen ska alltså ha en tydlig start- och stoppdatum, för att kunna analysera data kring hurudan påverkan planen hade på verksamheten. (Tompkins & Smith, 1998, ss. 10–13).
Denna lagerhanteringsplan kan baseras på prognoser som görs utgående från efterfrågan och lagrets verksamhet. Prognostiseringen kan alltså styra hur lagret ska styras. (Emmett, 2005, ss. 46–48).
Speciellt vid företaget där detta projekt utförs är det viktigt att hantera lagret utifrån att produkterna som hålls där har ett utgångsdatum eftersom de är torra livsmedel. Samt att försäljningen är säsongsbetonad. Därför, utgående från denna teori, ska ett varulager hållas som ska präglas av en prognostiseringsplan.
3.2 Prognostisering inom företagsverksamhet
Enligt Svenska Akademiens ordbok är prognostisering att skapa en prognos. En prognos i sin tur betyder en förutsägelse av kommande förhållanden.
Viljan att förutsäga framtiden har länge varit en del av människans historia. Redan 700 f.Kr.
talade man om att prognoser har funnits i tusentals år. Ännu idag är vi intresserade av hur framtiden ser ut och vill kunna förutsäga vad som kommer hända. (Hyndman &
Athanapolous, 2008, s. 1)
Prognostisering har utvecklats mycket genom tiderna. Från en början där man analyserade naturens olika skeden till att analysera försäljningsdata och trender. Oavsett i vilket århundrade prognoser gjordes så blev det tydligt att prognoser som stämde hade en mycket positiv verkan och prognoser som inte stämde var skadliga. Detta syns även idag inom företagsledning. Företag som inte idkar prognostisering kommer att förlora konkurrenskampen mellan ett företag som idkar prognostisering. (Hyndman &
Athanapolous, 2008, ss. 11–12).
Enligt Sanders (Forecasting Fundamentals, 2017, ss. 17–19) baseras prognostisering inom företagsverksamhet i allmänhet på fyra grundprinciper. Dessa är:
1. Prognoser ska alltid göras enligt förutbestämda processer. Detta görs så att prognoserna alltid kan jämföras med varandra från år till år. Processen för prognostisering ska kunna användas i alla avdelningar i ett företag, oavsett vad som ska prognostiseras.
2. Prognoser är mycket sällan fullständiga. Men att i allmänhet ha någorlunda goda noggrannheter i prognoserna räcker för att säkerställa att man inte gör stora misstag. Små fel i prognoserna får förekomma så länge prognosen i det stora hela följer en realistisk utveckling.
3. Prognoser är noggrannare för grupper än för enskilda föremål. Enskilda föremål fluktuerar enormt mycket enligt oförutsedda trender, därför löns det att se på större grupper där enskilda föremåls påverkan inte märks lika mycket.
4. Prognoser är noggrannare på korttid än på långtid. Data från försäljning och beställningsmängd ändrar inte mycket under kort tid. Men under långtid kan stora oförutsedda ändringar i trender hända. Därför ska man ge utrymme för felaktigheter när man prognostiserar för en längre tid framåt.
Prognostisering görs i företag för att skapa en överblick över hur man tror att framtiden ser ut med den nuvarande verksamheten i företaget. Prognoser är påverkade av både inre och yttre faktorer. De inre faktorerna är hur bra företaget förstår sitt data och hur bra prognostiseringsmodeller man har i kraft. Och de yttre är varierande trender i kunders köpvanor. Det är viktigt att man vet när man kan göra noggranna prognoser och när inte.
Det löns inte att göra en prognos på data som inte är tillräcklig eller otillförlitlig. (Gould, 2017).
Fördelarna är många med en bra prognostisering. Bara några exempel på dessa är bättre sysselsättningsgrad, större vinster, minskat svinn och minskad tid för produkter att nå marknaden. (Gould, 2017).
Prognostisering kan enligt Sanders (Forecasting Fundamentals, 2017, ss. 51–55) delas in i två kategorier när det gäller hurudan metod man gör prognoserna med. Dessa är bedömmande prognostisering och statistisk prognostisering.
Bedömmande prognostisering går ut på magkänsla och åsikter från individer inom företaget. Prognoserna är därför ofta påverkade av optimism, önsketänkande och politisk påverkan. Denna prognostiseringsmetod är därför inte lika pålitlig som objektiva metoder.
(Sanders, 2017).
Statistisk prognostisering är baserad på matematik och statistik. Denna metod är i allmänhet mera noggrann än bedömningsmetoden. Denna metod är helt objektiv och blir därför inte påverkad av känslor eller åsikter. (Sanders, 2017).
Enligt Hyndman & Athanapolous (Forecasting: Principle and Practice, 2008) finns det flera olika statistiska metoder för prognostisering. Några av dessa är:
• Regression: Förhållande mellan variabler. Ger ett värde på hur variabler är relaterade till varandra, till exempel hur mycket en efterfrågan ändras baserat på hur mycket priset ändras. Om alla variabler är kända kan noggranna prognoser skapas med denna metod.
• Exponentiell utjämning: Byggs upp av medelvärden från observationer. Går ut på att placera mera vikt på medelvärden som är nyare och mindre vikt på värden som är äldre.
• Glidande medelvärde: Observerade medelvärden under en viss tidsperiod. Man bestämmer en viss tidsram inom värden beaktas och bestämmer medelvärdet på dessa. När tiden går framåt går också tidsramen framåt.
• Naïva metoden: All prognostisering baseras på senaste observation. Denna metod beaktar inga medelvärden eller historisk data. Lämpar sig bra i situationer där data ser slumpmässigt ut.
Vid analys av nuläget och vid planering av projektets prognostiseringsverktyg märktes det att prognostiseringen inte använde sig direkt av någon av dessa metoder, men en egen blandning av glidande medelvärde och naïva metoden används för att få ut en prognos som möter företagets behov.
Både statistisk prognostisering och bedömmande prognostisering kommer med styrkor och svagheter. Dessa presenteras nedan i form av tabell:
Tabell 1. Styrkor och svagheter hos prognostiseringsmetoderna.
Prognostiserings- metod
Styrkor Svagheter
Bedömmande • Snabbt reagerande till de senaste ändringarna i omgivningen
• Innehåller information som kan vara svårt att kvantifiera i form av data
• Kan kompensera för engångsföreteelser
• Begränsade av mänskliga hjärnan (begränsad uppmärksamhet, minne och ser inte tydliga förhållanden)
• Subjektiva aspekter (optimism,
önsketänkande, politisk åsikt och svårt att hållas konsekvent)
Statistisk • Objektiv
• Konsekvent
• Kan hantera stora mängder data
• Kan bearbeta komplexa variabler och
förhållanden
• Reagerar långsamt till ändringar i omgivningen
• Modellen och data bestämmer hur bra prognosen är
• Kan vara dyrt och tidskrävande att beakta svårt data
• Kräver tekniskt kunnande (Sanders, 2017)
Eftersom det finns styrkor och svagheter hos båda metoderna lönar det sig att beakta båda metoderna vid prognostisering och skapande av prognostiseringsmodeller.
Prognostiseringsmodeller skapas för att hålla samma standard av prognostisering oavsett vilket data som matas in i den. Modellen ska fungera som en abstrakt matematisk modell som representerar äkta världens situation hos företaget. Prognostiseringsmodeller kan se ut på många olika sätt beroende på i vilket företag den görs och till vilket ändamål.
Prognostiseringsmodeller kan vara simpla som ryms på en enda sida eller mycket komplexa som överskrider över tiotal arbetsblad för att utföra uträkningar. Oavsett komplexitet och storlek av modellen så utför de samma grunduppdrag: Data från tidigare år bestämmer hur framtiden ser ut. (Samonas, 2015).
Prognostiseringsmodeller ska skapas för att ge en så enkel bild som möjligt över situationen. Det ska vara lätt att arbeta med modellen och någon som inte har sett den förr ska kunna förstå vad som menas med den när de öppnar den för första gången. Data ska presenteras tydligt, tabeller ska vara tydligt indelade med olika färger, formler ska vara korta och lätta att förstå, modellen ska läsas från vänster till höger och uppifrån ner; och axlarna i tabeller ska alltid ha egna namn och titlar. På detta sätt presenterar man modellen klart och tydligt. (Samonas, 2015).
Vid skapande av prognostiseringsmodeller är gruppindelning av ingående data viktigt för att få ett så bra resultat som möjligt. Om data som går in i modellen är dåligt organiserat, så kommer resultat som kommer ur modellen vara dåligt organiserat. Datat ska vara tydligt kategoriserat och lätt att ändra. Vid skapande av mindre och simplare prognostiseringsmodeller krävs inte komplexa matematiska uträkningar, utan en kombination av bedömmande och statistisk prognostisering räcker långt när prognoserna ska vara lätta att förstå. (Sanders, 2017).
3.3 ERP-system
ERP eller engelskans Enterprise Resource Planning är en övergripande IT-lösning som kan behandla mer eller mindre alla funktioner inom en organisation. Ordet enterprise definieras av ett komplett företag med flera avdelningar och komponenter som alla arbetar för att nå samma mål. Avdelningarna inom ett företag har till förfogande resurser som kan användas för att nå dessa mål. Resurserna kan vara material, kapital, arbete och arbetstimmar och maskintimmar. Planering av hur alla dessa resurser ska användas på bästa sätt är vad ett ERP-system hjälper med. (Murthy, 2008, ss. 3–4).
ERP-system är en del av många organisationers infrastruktur runt om i världen idag. Som affärsoperativsystem stöder de kärnan av flera affärsverksamheter som produktion, försäljning och bokföring, kostnadshantering och hantering av personalärenden. Men även om verktyget är starkt inom dessa områden så täcker det sällan alla IT-lösningar som ett företag har. Det är detta som bestämmer om ett ERP-system är bra för ett företag eller inte. Nämligen integrationen mellan redan installerade IT-lösningar och ERP-systemet bestämmer om företagets verksamhet gynnas av ERP-systemet. (Themistocleous, Rosemann, & Loss, 2005, s. 381).
Installerande av ERP-system kan komma med flera direkta och indirekta fördelar. De direkta fördelarna som ett ERP-system medför är till exempel förbättrad effektivitet, informationsintegration för bättre beslutsfattande och snabbare responstid åt kundfrågor.
Andra direkta fördelar är också företagsintegration, flexibilitet, förbättrade analys- och planeringsmöjligheter och användning av den senaste teknologin. De indirekta fördelarna kan vara till exempel en bättre bild av företaget utåt, förbättrad kundservice och kund tillfredställande. (Parthasarathy, 2007, ss. 1–2).
Enligt Parthasarathy (Enterprise Resource Planning: A Managerial & Technical Perspective, 2007, s. 31) är valet av rätt ERP-system inte ett lätt beslut men ett beslut som måste tas.
Beslutet ska baseras på en eller flera av följande faktorer:
• Ökad öppenhet och förbättrat informationsflöde.
• Lätt underhåll, anpassningsförmåga och flexibilitet av mjukvaran.
• Förbättrade processer.
• Flerspråkighet och alternativ för andra valörer.
• Implementering av önskade företagsprocesser.
• Systemet ska vara oberoende av operativsystem.
• Hög användarvänlighet.
Dessa är endast några av många olika faktorer att beakta vid val av ERP-system.
Att implementera ERP-system kommer med en del risker. I helhet är systemet en mycket bra lösning som kommer med flera fördelar för ett företag, men risken finns att en investering görs utan att fördelarna syns i verksamheten. Företag måste se till på förhand att implementeringen sker felfritt genom ständig konsultation med försäljare av ERP- systemet och att ständigt se till att ERP-systemet verkligen passar till verksamheten och att den skulle gynnas av systemet. (Parthasarathy, 2007, ss. 31, 36).
Enligt en studie gjord av Wong, Scarbrough, Chau, & Davison (Critical Failure Factors in ERP Implementation, 2005) där faktorerna bakom en misslyckad ERP implementering analyserades är de största riskerna vid implementering många. Studien beaktade flera företag från olika branscher och sammanställde de största faktorerna som bidrog till att implementeringen av ERP-system misslyckades. Dessa var:
1. ERP-systemets opassande till verksamheten: Valet som gjordes motsvarade inte de krav som företagsverksamheten krävde av systemet.
2. För hög beroende på stora anpassningar: Krav på stora ändringar dröjde ut på projekttiden, gick utanför budgeten och kunde skapa ett osäkert system.
3. Dålig konsultation: Förmännen som ansvarar för implementeringen hade lågt kunnande kring ERP-system, dess planering och dess implementering.
4. Dålig IT-struktur: Ledningen gav inte tillräckligt med resurser för att utveckla IT- strukturen för att bättre hantera ERP-systemets implementering.
5. Dålig överföring av kunskap: Konsulter hade själva låg kunskap kring ERP-system och kunde därför inte lära ut hur de används åt de anställda.
6. Dålig projektledning: Som en följd av lågt kunnande både inom ERP-system och projektledning kunde inte implementeringen effektiveras till en bra nivå.
7. Låg kvalitet på testning: Med alltför smala projektscheman och dåligt kunnande blev testandet av ERP-systemen hastigt gjorda och med låg kvalitet.
8. Lite stöd från ledningen: Begränsat ekonomiskt stöd från ledning bidrog till problem inom projektgruppen, schemat och ERP-systemets implementering.
9. För smalt projektschema: Med en låg budget och lite stöd från ledningen krävdes projektet utföras under en kort tidsperiod som inte gav tillräckligt utrymme för testning och kunskapsöverförande.
10. Oklara mål med ERP-systemet från användarnas synvinkel: På grund av dålig skolning av konsulter kunde inte användarna av ERP-systemet se poängen med den eller använda den på rätt sätt.
11. Orealistiska förväntningar på ERP-systemet från ledning: Ledningen förväntade sig få en mängd fördelar utan att de förstod komplexiteten av ett ERP-system. Detta ledde också till att kostnaderna underskattades och budgeten blev för låg.
12. Användarnas motvillighet att ändra på arbetet: Som följd av en dålig implementering och låg kunskap kring hur ERP-systemet används, blev användarna motvilliga till att byta till ERP-systemet när det väl hade implementerats.
Alla dessa faktorer är alltså mycket viktiga att beakta vid implementering av ERP-system så att inte implementeringen misslyckas. På grund av alla dessa faktorer fanns det därför en önskan inom företaget att inte behöva tänka på något nytt ERP-system utan att sätta mera tid på att analysera den ERP lösning som redan i viss del finns på plats och som företaget har licens till.
För att bättre konkretisera valet och vikten bakom ERP-systemens egenskaper kan en AHP- analys göras för att bevisa att valet är korrekt. Med en AHP-analys ställer man ERP- systemen mot varandra och analyserar vilket system som är bättre än det andra. En AHP- analys passar mycket bra vid val av ERP-system eftersom det finns flera variabler att beakta och valet är i sin natur svårt och samtidigt viktigt att det blir korrekt. (Rouyendegh & Erkan, 2011)
3.4 AHP-analys
AHP eller Analytic Hierarchy Process är ett flexibelt och systematiskt verktyg för beslutsfattande vid problem med mångfacetterade och komplexa faktorer. Verktyget hjälper vid beslut när flera alternativ är presenterade och flera variabler som gynnar dessa alternativ blir ställda mot varandra. (Liu, Xie, Yuan, & Fang, 2012)
AHP-analyser har gjorts ända sedan 1980-talet vid viktiga beslut som företagsplanering, val av portfolion och gynnsamhetsuträkningar. AHP-analysen bygger på ett hierarkiskt system där beslutet är i topp och har högsta prioritet. Kriterierna som krävs för beslutet är näst i tur under hierarkin. Längst ner i hierarkin befinner sig alternativen som man har framför sig. Alla alternativens kriterier jämförs mot varandra och utgående från utsatta viktgrader är vissa alternativs kriterier bättre än de andra alternativens. (Tzeng & Huang, 2011)
Figur 2. Hierakiska uppbyggnaden av en AHP-analys. (Habboub, n.d.).
AHP räknas med att först kartlägga alternativens kriterier och sätta vikt på dem jämfört med andra kriterier (Tzeng & Huang, 2011). Till exempel i detta projekt där ERP-systemen jämförs med varandra kan användarvänlighet och smidighet jämföras mot varandra. Det anses vara viktigare att användarvänligheten är bättre än smidigheten, därför får användarvänlighetskriteriet högre viktgrad än smidighet.
Viktgraderna ställs mellan 1–9. En etta på båda kriterierna i en jämförelse menar att kriterierna är lika viktiga mot varandra. Går man högre upp på skalan ökar viktskillnaden.
Som nämnt tidigare i exemplet skulle smidigheten få viktgraden 1, medan användarvänligheten får viktgraden 5, eftersom användarvänligheten anses vara starkt viktigare än smidighet. Detta upprepas för varje kriterie tills varje kriterie och alternativ har jämförts med varandra. (Tzeng & Huang, 2011).
Ett vanligt sätt att beräkna AHP är med matriser där man får ut Eigenvärdet av matrisen.
Matematiska begreppet säger inte mycket och är onödigt noggrannt för detta projekt, därför räknas en simplare metod när AHP-analysen görs. Metodiken bakom AHP matriserna är att först ställa kriterierna mot varandra och sätta viktgraden på dem.
Viktgraderna ställs sedan upp i en matris där båda axlarna består av alternativen. (Brunelli, 2015)
Figur 3. Exempel på en AHP-matris som jämför en kriterie bland tre alternativ. (Analytic hierarchy process – leader example, u.d.).
Alternativens viktgrader divideras med varandra i matrisen. Kolumnerna i matrisen summeras och en ny matris skapas där alla tal i matrisen divideras med kolumnsummorna.
Med att ta medelvärdet av raderna i matrisen får man ut prioritetsvektorn som bestämmer hur stor fördel ett alternativ har över de andra alternativen vid den jämförda kriterien.
Denna process upprepas för varje kriterie och alternativ tills ett slutgiltig svar kan multipliceras fram. Den kriterie som har högsta prioritetsvektorvärdet är det alternativ som borde väljas. (Brunelli, 2015).
4 Nuläget
I detta kapitel beskrivs nuläget för prognostiseringen samt de IT-lösningar som företaget har i bruk.
4.1 Prognostiseringen i nuläget
Inventeringen i företaget sker för det mesta visuellt. Man räknar vad som finns i lagret och sedan utgående från denna inventering görs prognoser utgående från åtgång och tidigare beställningar. Denna metod är relativt säker, men ger utrymme för missberäkningar, tar onödigt mycket tid och beaktar inte alla variabler som önskas av moderbolaget. Denna inventering görs både i butikerna och i huvudlagret.
Inventeringen sammanställs sedan i ett Excel-arbetsblad som används senare i prognoser.
Prognoserna skickas sedan till moderbolaget i England. Det är här det skulle kunna ske förbättring. Företaget vill inte längre göra prognostiseringen baserat på visuella intryck och manuell arbetskraft, utan den ska vara helt eller åtminstone till stora delar automatiserad med hjälp av till exempel ett ERP-system.
4.2 Företagets IT-lösningar
Företaget använder webbshopen Vilkas, ekonomihanteringssystemet Procountor och Excel. Kundtransaktioner vid återförsäljarbutikerna använder iZettle som har en egen databas och verktyg för hantering av transaktionerna och rapportering. Företaget har en licens för ett ERP-system vid namn Erply, men den har inte tagits helt i bruk ännu.
Vilkas webbshop - Alla beställningar som görs går via webbshopen som finns på Vilkas.
Härifrån kan både företagets återförsäljare fylla på sina lager och konsumenter kan beställa produkter för privat bruk.
Procountor är ett ekonomihanteringssystem med några små lagerhanteringsmöjligheter. I nuläget används detta program för lagerhanteringen vilket av erfarenhet inte är en bra lösning. Programmet är inte menat att användas i lager och detta är en stor del av varför detta projekt utförs.
Microsoft Excel används för flera saker inom företaget som till exempel rapportering, arbetstidsuppföljning och hantering av webbshopen. Men Excel används också inom lagerhanteringen för inventering och prognostisering. Excel är ett mycket bra verktyg som passar i många situationer, men det motsvarar inte helt vad företaget önskar av hur prognostiseringen ska se ut.
iZettle är en ekonomisk IT-lösning med både hårdvara och mjukvara. Med iZettle mjukvaran kan man definiera en butiks detaljer och sålda produkters priser och skatter.
Med hårdvaran kan man ta emot betalningar med kort som kopplas till mjukvaran. Från mjukvaran kan man sedan exportera rapporter och hantera kundtransaktioner.
ERP-systemet Erply är inte enormt och har för det mesta bara några simpla moduler som tillämpas för lagerhantering och kundtransaktioner. Eftersom företaget har en licens för Erply så passar det bra för mig att testa om detta system verkligen motsvarar de behov som en förbättrad prognostisering behöver. Systemet har möjlighet för integration med webbshopverktyget Vilkas, vilket skulle möjliggöra smidiga överföringar av lagerhändelser mellan beställning och lagerhantering.
5 Projektet
I detta kapitel presenteras de metoder och tillvägagångssätt som utförts under projektet.
Här presenteras också utförandet av arbetet under projektets gång.
5.1 Metoder och tillvägagångssätt
Projektet utfördes ur en teoretisk ståndpunkt. Prognostiseringen skulle vara baserat på befintliga data och kunna uppdateras smidigt av arbetarna i företaget. En modell på hur företaget vill att prognostiseringsverktyget ska se ut producerades och vilken roll det valda ERP-systemet kommer ha i prognostiseringsverktyget analyserades.
Prognostiseringsmodellen gjordes utifrån nuläget av prognostiseringen och de önskemål som moderbolaget hade på hur prognostiseringen skulle utföras. Modellen producerades med tätt samarbete med uppdragsgivaren och utvecklades efter återkoppling under veckovisa möten. Mera detaljer om modellens utveckling tas upp i kapitel 5.2.
Under projektets gång analyserades också olika ERP-system. Enkelheten hos ERP-systemen är i fokus och det är detta som är den bestämmande faktorn vid valet av rätt ERP-system för projektet. Det fanns självklart en preferens till det ERP-system som företaget redan hade licens till, nämligen Erply. Systemet hade testats på tidigare och detta arbetes mål är i synnerhet att bekräfta företagets tankar kring systemet. Det fanns också en vilja att inte behöva utveckla ett eget system inom företaget. Erply erbjöd redan goda integrationer med företagets nuvarande verksamhet.
De andra potentiella ERP-systemen föreslogs i början av projektet och uppdragsgivaren bekräftade att dessa skulle vara passliga att analyseras för projektets målsättning. Det som avgjorde mest att just dessa ERP-system granskades var den lätta tillgänglighet som erbjöds från skolans sida. Med hjälp av skolans datorer och gratis testmiljöer på internet, fanns det tillgång till ERP-systemen för att ge en fullkomlig och realistisk bild på vad de erbjöd.
De potentiella ERP-systemen som kunde passa företagets prognostisering granskades genom att se hur företagets verksamhet skulle påverkas av dessa system. De olika modulerna som systemen erbjuder granskades under projektets gång och jämfördes med varandra för att se vilket system som skulle passa bäst. Granskningarna gjordes helt på egen
hand utan någon yttre kontakt till ERP-systemens försäljare för att få hålla granskningarna simpla och målinriktade. Målet med granskningen är inte att se hur mycket man kan göra med ERP-systemen utan hur lämplig den är för lagerverksamheten och prognostiseringen i företaget.
Analyserna gjordes först och främst alltså ur en lagerarbetares perspektiv. Tack vare den erfarenhet som jag har av företagets lager och dess verksamhet, kunde jag tillämpa mina egna åsikter kring hur systemet ska fungera bäst.
Fyra tester av olika ERP-system är inte tillräckligt för att få en bred kunskap över vilka alla olika ERP-system det finns på marknaden. Det ger dock tillräckligt kunskap för att se om det mera fokuserade ERP-systemet Erply har fördelar över andra traditionella ERP-system.
Prognostiseringsverktygsmodellen samt bestämmande av vilket ERP-system som ska väljas blev mitt och företagets mål för detta projekt. Mina arbeten som levereras åt företaget under detta projekt är min sammanfattning av de analyserade ERP-systemen och den utvecklade prognostiseringsmodellen.
5.2 Prognostiseringsmodellen
Baserat på nuläget av prognostiseringen i företaget utvecklades en ny prognostiseringsmodell som skulle använda sig av ERP-systemets funktioner för att smidigt uppdatera verkliga lagersaldon och framtida efterfrågan. Prognostiseringsmodellen önskas kunna använda så mycket av ERP-systemets data som möjligt för att kunna få en realistisk bild på situationen både statistiskt och med subjektiva bedömmelser. Datat från ERP- systemet ska alltså kunna exporteras antingen som rådata som matas in i prognostiseringsmodellen eller i form av en excelrapport som är lätt att plocka data ur för att fylla i prognostiseringsmodellen.
5.2.1 Modellens definition och målsättning
Prognostiseringsmodellen är gjord som ett Excel-arbetsblad som lagret var bekant med från förr. Förra Excel-arbetsbladet som användes inom prognostiseringen i företaget bestod av en lista av alla produkter som företaget säljer vidare. I listan skulle då mängder fyllas i som man förväntar sig kunna behöva i framtiden. Prognostiseringen i nuläget görs
18 månader framåt och kommer antagligen inte ändras mycket på. Moderbolaget är dem som kräver en prognostisering och dotterbolaget gör en likadan prognostisering för 18 månader framåt.
Figur 4. Urklipp 1 ur moderbolagets prognostiseringsblad.
I figur 4 syns urklipp av produkter som ska beställas, hur många askar som ryms i en case och deras hållbarhetstider. Speciellt dessa produkter tar länge att få till Finland eftersom de kräver en hygiengranskning vid tullen. Inköpspriser är dolda för sekretessorsaker.
Figur 5. Urklipp 2 ur moderbolagets prognostiseringsblad.
I figur 5 syns prognostiserade månaderna genom år 2021 och totala mängden beställda case för varje produkt. Prognostiseringmodellen som görs i detta projekt kommer alltså mest ge riktlinjer till hur detta prognostiseringsblad ska fyllas i när den ska skickas till moderbolaget.
Prognostiseringsmodellen önskades innehålla följande: nuvarande lagersaldo, varor på kommande från moderbolaget, försäljningsdata från de tre senaste åren och speciell fokus på de tre senaste månadernas försäljningstrend; lageråtgång och hur länge nuvarande lagret kommer att räcka. Modellen beaktar alltså den teoretiska glidande medelvärdesprognostisering där tidsramerna är tre år av historisk data och tre månader av historisk data dock med några egna modifikationer.
Prognostiseringsmodellen ska också beakta vissa kriterier som att beställningar som görs ska alltid fylla en container, vilket i detta fall motsvarar 32 pallar. Det ska alltid finnas ett buffertlager på 12 veckor och modellen ska också bestämma om ytterligare beställningar ska göras till moderbolaget eller om de kan skjutas upp till följande månad. Detta ska vara baserat på den veckovisa åtgången av produkter som företaget har. Det önskades också finnas någon form av indikation att beställning ska göras, alltså en beställningspunkt ska definieras och ge signal när en produkt ska beställas.
Viktigt att beakta är också säsongstrender och nya produkters påverkan på efterfrågan, därför ska också subjektiva bedömningar kunna påverka prognostiseringen där mängden beställda varor kan ökas mera än prognostiserat tidigare. Dessa subjektiva bedömningar kan därför följa den teoretiska naïva prognostiseringsmetoden där man på mycket kortsikt ser efter vilka produkter som påverkas av att en ny produkt introduceras.
Prognostiseringsmodellens uppbyggnad presenterades veckovis under möten med företaget och utvecklades baserat på den feedback och förslag som kom under mötena tills modellen blev klar.
5.2.2 Modellens uppbyggnad
Prognostiseringsmodellen byggdes upp enligt företagets nuvarande prognostiseringsblad och åtgångsuträkningar så att verktyget skulle kännas bekant att arbeta med. Tabeller från tidigare prognostiseringsverktyg kopierades in och sammanställdes till en ny tabell. Nya kolumner introducerades dock där försäljningsdata ska beaktas. Denna data ska hämtas från ERP-systemet och ge en bättre bild över hur åtgången av produkterna ser ut. Datat i Figur 6 fungerar endast som exempel för att visa att logiken och uträkningar fungerar.
Figuren är också avskalad så att siffror och text ska synas bättre.
Figur 6. Urklipp 1 ur Prognostiseringsmodellen. Artikelnummer och produktgrupp dolda.
I figur 6 syns modellen av prognostiseringsverktyget med produkter, deras hållbarhetstider och exempel på hur ERP-systemet ska användas i modellen genom att till exempel klistra in data från systemet till modellen. Modellen producerades så att den ser så lika ut som nuvarande lösningar som möjligt.
Både kortsiktig och långsiktig åtgång ska bli presenterade nämligen de senaste tre årens och månadernas försäljning för att ge en mera realistisk bild över trender och säsongsbetoning. Totala lagersaldot ska också fås från ERP-systemet och adderas med varor som är beställda och på kommande. Denna saldo divideras i sin tur med åtgången som ger ett värde på hur många veckor det nuvarande lagersaldot kommer att räcka.
Modellen testades på genom att sätta in försäljningsdata från de tre senaste åren för att se om tabellens formler och logik passade för projektets syfte. Försäljningsdatat i Figur 7 är hämtat från försäljningsdataflikar som finns med i arbetsbladet vars data var givet från företaget. Figuren är avskalad så att siffror och text ska synas.
Figur 7. Urklipp 2 ur Prognostiseringsmodellen.
I figur 7 syns fortsättningen av figur 6 nämligen medeltalet av försäljningen från de tre senaste åren och de tre senaste månaderna. Försäljningsdatat som har hämtats i denna figur syns i figur 11 och 12.
Att ha i beaktande är också utgångsdatumen av produkterna som företaget håller i lager och säljer. Produkterna är livsmedel som har en hållbarhetstid mellan 9–15 månader och prognostiseringen ska beakta dessa så att man inte beställer för mycket så att lagret fylls och produkternas hållbarhetstid går ut. Därför sattes ytterligare en parameter in i tabellen som visar maximala antalet veckor produkterna ska få vara i lagret innan nya produkter beställs.
Figur 8. Urklipp 3 ur Prognostiseringsmodellen
I figur 8 syns uträkningar som visar hur länge varorna kommer att räcka i lagret baserat på totala lagret dividerat med medeltala försäljningsmängden. Figurens sista kolumn innehåller maximala antalet som varorna får räcka så att inte hållbarhetstiden kommer emot.
Det fanns ett önskemål att ha ett buffertlager på 12 veckor och det tar 8 veckor innan produkter kommer fram till lagret. Därför sattes en ny kolumn in i modellen där en IF-sats kontrollerar om mängden veckor som en produkt räcker underskrider 20 eller inte. Om värdet är lägre än 20, uppmanar den nya kolumnen att en beställning ska göras. Om värdet överskrider 20 kan beställningen skjutas upp.
Figur 9. Urklipp 4 ur Prognostiseringsmodellen.
I figur 9 syns antalet produkter som ryms på en lastpalle och förslag på om beställning ska göras eller skjutas upp. IF-satsen hänvisar till celler där antalet veckor som produkten räcker räknas ut.
I samma tabell som IF-satsen sattes också en till kolumn till som ska visa mängden av en produkt som ska beställas. Detta ska vara baserat på veckovisa åtgången och subjektiva bedömningar. Variablerna som ska påverka denna beställningsmängdsförslag var att produkter har en 8 veckors ledtid från moderbolaget tills de är framme vid företaget och att lagret ska ha en minimibuffert på 12 veckors åtgång. Det innebär att mera produkt ska beställas när mängden varor i lager räcker i 20 veckor. Beställningsmängden räknades genom att multiplicera medeltala försäljningen med ledtiden för att få antalet produkter som ska beställas. Mängden lastpallar är baserade på hur mycket av en produkt som ryms på en lastpalle.
Figur 10. Urklipp 5 ur Prognostiseringsmodellen
I figur 10 syns modellens förslag på hur mycket som ska beställas baserat på försäljningsdata och ledtiden som företaget har räknat ut. Mängden pallar i figurens L kolumn är baserat på hur mycket produkt som ryms på en lastpalle. I detta fall ryms det 60 case på en palle. Kolumnen med beställningspunkt finns mest där som riktgivande värden för att påminna om buffertlager och ledtid.
Försäljningsdatan som modellen hänvisar till finns i en annan flik i arbetsbladet dit man klistrar in den försäljningsdata som ERP-systemet ger ut. Denna process kan antagligen förbättras i framtiden med inbyggda rapportsystem i ERP-systemet, därför fungerar denna modell mest som en riktlinje i vartåt prognostiseringsarbetet kan utvecklas.
Figur 11. Urklipp 1 ur försäljningsdataflik
I figur 11 syns den långsiktiga försäljningen under åren 2018–2020. Datat är månatliga medeltalet för varje år. I figurens G kolumn räknas medeltalet av datat för att ge riktgivande långsiktig månatlig försäljning. I figurens H kolumn räknas riktgivande veckovisa försäljningen genom att dividera månatliga medeltalet med fyra.
Figur 12. Urklipp 2 ur försäljningsdataflik
I figur 12 presenteras data på ungefär samma sätt som i figur 11. Dock här är det frågan om kortsiktiga försäljningen under de tre senaste månaderna. Datat är redan i formatet veckovisa försäljning, därför behövs inte detta räknas ut. I figurens P kolumn räknas medeltalet av de tre senaste månadernas försäljning ut.
Medeltalsvärdena från figur 11 och 12 används i modellen för att kunna prognostisera framtida behov och beställningsmängder genom att tillämpa glidande medelvärdesmetoden som presenterades i teoretiska bakgrunden av arbetet. När tiden går framåt skjuts prognostidsramen också framåt genom att alltid ta medelvärdet av de tre senaste åren och månaderna i beaktande.
Prognostiseringsverktyget kommer att fungera som en bra grund för företaget att vidareutveckla sin prognostisering på och ge insikter i vilka krav och önskemål de kan ha av ERP-systemets leverantörer. Prognostiseringsarbetet och lagerhanteringen har gjorts lättare och mera klart tack vare denna modell som producerades i detta projekt.
5.3 Analys av ERP-system
Projektets andra del utfördes genom att analysera nuläget av prognoserna och se hur företagets potentiella ERP-system, Erply, skulle passa in i prognostiseringen. Andra potentiella ERP-system som Monitor och Lemonsoft testades också för att se om de hade potential att vara till nytta för företagets verksamhet och prognostisering. Dessa ERP- system såg dock ut att vara enormt stora så ännu ett till, lättare, ERP-system testades nämligen Odoo.
Vid test av ERP-systemen analyserades modulernas smidighet och användarvänlighet, det grafiska användargränssnittet, språkmöjligheter, modulernas funktioner, hur bra data kan hämtas för prognostiseringsverktyget, installationskrav och integration till webbshop. ERP- systemens lämplighet bestämdes baserat på teoretiska bakgrunden i kapitel 3.3.
5.3.1 Erply
Företaget hade redan en licens för detta program så jag fick snabbt tillgång till denna för granskning. Programmet hade testats på tidigare inom företaget så omgivningen i systemet var redan fylld med artikelkataloger och de olika lagren som företaget tar hand om.
Med erfarenhet av företagets tidigare IT-lösningar för lagerhantering såg jag potentialen av detta ERP-system på en gång. Modulerna i programmet var smidiga och ändringar gjordes lätt. Användarvänligheten är hög i detta program; detta märktes genom hur snabbt jag förstod hur modulerna samarbetar med varandra, var ändringar ska göras för att de ska synas och hur ändringarna påverkar lagerverksamheten.
Figur 13. Erplys huvudmeny.
Erply har ett rent grafiskt användargränssnitt där man snabbt hittar det man söker efter.
Användargränssnittet består inte av några bilder alls men rubriker och underrubriker
presenteras tydligt i programmet. Textens typsnitt i programmet är snygg och tillräckligt stor. Presentationen av programmet är i helhet modernt och tydligt.
Programmet går endast att visas på finska eller engelska vilket kan leda till problem om man är van vid svenska termer inom lager- och ekonomihantering. Språket påverkar också de rapporter som programmet kan skapa. För uppdragsgivaren är språket dock inget hinder.
Modulerna i Erply är inte många. Eftersom detta system är mest fokuserat på lager- och ekonomihantering så är moduler kring dessa de enda som är tillgängliga. Erply erbjuder inte mycket för större producerande företag, men lämpar sig bra för mindre eller mellanstora företag för lagerhantering och försäljning. Modulerna hittas lätt högst uppe på programmets ruta och visar tydliga undermenyer när de väljs. När inne i en modul finns samma undermeny på vänstra sidan av programmets sida för snabb åtkomst.
Modulerna fungerar snabbt och simpelt. Ändringar som görs syns tydligt och kan lätt hittas i listor över ändringar. Rapporter görs också enkelt med inbyggda rapportverktyg. Dessa rapporter går att enkelt överföra till Excel, vilket skulle vara en bra fördel för prognostiseringsverktyget i projektet. Detta system ser dock inte ut att erbjuda inbyggda prognostiseringsverktyg.
Figur 14. Lagermodulen i Erply.
Erply fungerar helt och hållet på nätet och inga installationer krävs. Detta är en fördel över andra ERP-system som ofta kräver en egen server eller installation på dator. Ett helt online ERP-system ger möjlighet för smidigt distansarbete från i princip vilken enhet som helst.
Erply erbjuder också en mängd olika applikationer till smarttelefoner beroende på vilken modul man vill använda.
Detta ERP-system lämpar sig för avgränsningarna som satts upp för projektet. Erply erbjuder goda verktyg för lagerhantering och prognostisering, men lämnar aningen efter när det gäller ekonomihantering. Om detta system väljs så används den troligen endast vid lagret.
5.3.2 Monitor
ERP-systemet Monitor finns tillgängligt på Yrkeshögskolan Novias datorer och jag hade därför tillgång till att testa programmet via fjärrtillgång till en av skolans datorer.
Jag är bekant med detta ERP-system från förr tack vare en kurs inom ERP-system. Eftersom detta system lämpar sig bäst för större producerande företag så finns det moduler som inte behövs för detta projekt. Företaget som projektet utförs för tillverkar inget själv, så till exempel produktionsmodulen som systemet erbjuder behövs inte alls.
Monitor har en ganska hög användarvänlighet dock inte lika bra som hos Erply. Monitor följer samma idé kring hur ändringar görs och hur lätt de hittas, men eftersom detta program har mera moduler så blir det snabbt svårare att hitta väsentligt data gällande lagerändringar. Monitor väljer att öppna moduler i fönster och i fönstren finns det ofta mycket små och många knappar att välja mellan vilket kan förvirra nya användare av programmet. Jämfört med Erply är detta program mycket mera komplicerat.
Monitor har också ett tydligt grafiskt användargränssnitt. Modulerna är utmärkta med ikoner som förklarar vad de innebär. Modulerna är också färgkodade så att man håller bättre koll på i vilken modul man rör sig när man gör ändringar. Monitor erbjuder också en bra överblick över valda delar av verksamheten genom att ge utrymme för individuell anpassning på skrivbordet i programmet. Detta skrivbord skulle ge en bra möjlighet att följa med om prognoserna som har gjorts överensstämmer med trenderna i beställningsmängder per månad. Skrivbordet ger en bra överblick utan att man måste ta ut traditionella rapporter.
Figur 15. Monitors huvudmeny och exempel på anpassat skrivbord.
Monitor erbjuder en mängd olika språk och finska och svenska är en del av dessa. Ett svenskspråkigt ERP-system skulle vara lättare att förstå för arbetarna vid företaget och är därför en liten fördel över Erply.
Monitor har sju moduler och storleken och potentialen av dessa är enorma. När man väljer en modul så finns det en mängd olika alternativ på hur man vill behandla modulen. Till exempel bara lagermodulen är indelad i åtta delar med flera alternativ under dem. Som sagt passar denna mängd moduler och alternativ större tillverkande företag och skulle i detta projekt endast förvirra användarna.
Figur 16. Lagermodulen i Monitor.
Modulerna fungerar snabbt men är i mycket större skala än Erply. Eftersom modulerna har så många alternativ så är det inte lika lätt att följa med vilka ändringar som har gjorts som i Erply. Rapporter kan också fås i flera olika former men är igen betydligt mera komplicerat än Erply. Från denna analys fick jag inte heller insikter i hur bra rapporterna kan överföras till Excel, vilket gör arbetet svårt att integrera till IT-lösningarna som redan är på plats i företaget. Som slutsats från denna modulanalys skulle detta ERP-system vara dåligt för prognostiseringsverktyget i projektet eftersom datat som önskas få snabbt är inte lika lätt tillgängligt som i Erply.
Monitor måste installeras på en enhet och är därför inte lika smidig att använda som Erply.
Monitor erbjuder också en applikation för smarttelefoner men denna är inte per modul som Erply utan hela ERP-systemet i en applikation.
Efter denna analys ser det ut som att Monitor är ett för stort system för projektets avgränsningar. Mängden tid som det skulle ta att få en bred uppfattning om systemet och dess lämplighet för företaget är alltför långt. Också anskaffning av licens och implementering skulle ta en enorm mängd tid som rör sig alltför långt utanför detta projekt.
5.3.3 Lemonsoft
ERP-systemet Lemonsoft finns också tillgängligt att användas via skolans fjärråtkomst tjänst och tack vare kursen som tidigare nämnts så hade jag tillgång till en testmiljö i ERP- systemet.
Lemonsoft är känt för att erbjuda system som är helt anpassade till kunden (Lemonsoft, u.d.b.). Därför finns stort potential för detta system att vara lämpligt för detta projekt. Man skulle alltså anpassa systemet till att endast ha moduler kring lager- och ekonomihantering.
Lemonsofts användarvänlighet ligger ungefär på samma nivå som Erply. Erply är fortfarande den lättaste av dessa fyra att förstå, men även om Lemonsoft har så mycket att erbjuda så är systemet smidigt att navigera och hantera. Lemonsoft fungerar ungefär på samma sätt som Monitor där modulerna öppnar nya fönster där man lägger in nytt data och hanterar gammalt. Mängden knappar som dessa fönster har är inte lika mycket som i Monitor vilket gör det mera användarvänligt.
Lemonsofts grafiska användargränssnitt är simpelt och rent. Programrutan är inte modern men man hittar ändå lätt det man söker efter. Systemet har snabbåtkomst i form av ikoner och dessa visar tydligare vad de handlar om jämfört med Monitor. På samma sätt som Monitor har också Lemonsoft ett öppet skrivbord där man kan samla relevanta fönster för att hålla koll på verksamheten.
Figur 17. Lemonsofts huvudmeny.
Den testmiljö av Lemonsoft som analyserades för detta projekt fanns endast på finska, men det torde gå att få programmet helt på svenska också. Dock som tidigare nämnts är språket inget större hinder, bara en fördel om det finns på svenska.
Lemonsofts moduler är ungefär likadana som Monitors men i mindre skala. Lemonsoft erbjuder simplare moduler för både produktion och ekonomihantering. Men som sagt kan man få moduler helt anpassade till företagets behov. Modulerna är lätta att navigera med rullgardinsmenyer och alternativen är presenterade i en mer organiserad ordning än i Monitor. Modulerna fungerar smidigt och de är lätta att förstå. Med goda rapportverktyg kan man skapa rapporter i Lemonsoft som senare kan exporteras till Excel för vidarebehandling. Detta ERP-system skulle alltså passa bra för prognostiseringsverktyget i detta projekt eftersom lagerdatat var lätt att hämta och sätta in i Excel.
Figur 18. Lemonsofts lagermodul.
Den testmiljö av Lemonsoft som har analyserats i detta projekt var ett installerat program, men man kan få tillgång till Lemonsoft som är helt baserat online och skulle därför kunna fungera lika smidigt som Erply (Lemonsoft, u.d.a.).
Efter denna analys ser Lemonsoft ut att vara ett potentiellt ERP-system för detta projekt.
Dock det krävs mera analysering kring systemets lämplighet för att kunna dra slutsatser.
Systemet skulle kunna anpassas till alla behov som företaget har och kan därför också vara en konkurrent till Erply.
5.3.4 Odoo
Odoo är ett öppet ERP-system som finns helt och hållet tillgängligt på internet. Man får testa systemets alla funktionaliteter gratis i 14 dagar. Detta gjordes för denna analys.
Odoo är ett mycket lätt system där man själv får välja vilka moduler man vill ha med i sitt system. Modulerna har sin egen månadsavgift vilket kan göra systemet mycket billigt om man endast behöver en modul som till exempel lagermodulen. Modulerna som man har valt är de enda moduler som dyker upp i systemets huvudmeny vilket gör navigering mycket enkel.
Användarvänligheten är mycket hög i detta system och ligger på samma nivå som Erply.
Modulerna är lätta att hitta och navigera. Smidigheten är mycket hög; att byta mellan två sidor sker på en gång och gör sökning av rätt meny snabbt. Navigering av detta ERP-system fungerar ungefär på samma sätt som Erply; när man är in i en modul sker navigering med hjälp av flikar i toppen av fönstret.
Ett stort minus med detta system är dess enkelhet. Det finns enormt lite man kan göra i modulerna. Det finns inga alternativ att importera data som skulle göra produktlistor lättare att fylla i. Detta system ser ut att vara mest tillämpat till nya företag med lite produkter och lite beställningar.
Grafiska användargränssnittet för systemet är mycket rent och modernt. Man hittar med detsamma det man söker efter. Textens typsnitt är tydlig och stor och hör bra ihop med designen av systemet. Dock denna design hör mycket ihop med den allmänna enkelheten som systemet bygger på. Det finns inte mycket alls att se på eller navigera till. Detta kan vara en fördel för vissa mindre företag, men för uppdragsgivaren kan denna enkelhet vara ett hinder.
Figur 19. Odoos huvudmeny med modulval.
Systemet erbjuder svenskt språk, men denna är bristfällig och inte helt komplett. Många menyer har en blandning av svenska och engelska ord. Detta problem är ännu tydligare om man väljer finska. Så systemet är bäst att användas helt på engelska, vilket kan vara ett hinder för arbetare som är vana vid svenska termer.
Modulerna i Odoo är mycket simpla och erbjuder inte många alternativ. De fungerar smidigt och är fina att se på, men för praktiska tillämpningar där äkta arbete ska göras känns modulerna mycket bristfälliga. Mycket av det arbete som görs i Odoos moduler måste byggas upp från grunden. Att fylla i en produkt åt gången och en kund åt gången skulle ta en enorm mängd tid om implementering av detta system skulle göras i verkligheten. Lagermodulen i Odoo erbjuder dock ett bra verktyg för analysering av lagerverksamhet, rapportering och prognostisering. Detta verktyg visar att systemet har potential bara man lyckas arbeta med systemets enkelhet. För prognostiseringsverktyget skulle detta ERP-system lämpa ganska bra eftersom lagermodulen ger lättillgängligt data att hämta.
Figur 20. Odoos lagermodul och exempel på rapporteringsfliken.
Odoo fungerar helt och hållet på internet utan någon installation och erbjuder också mobilapplikationer för att kunna hantera systemet på distans. Detta erbjuder alltså samma online-funktionaliteter som Erply.
Enkelheten som bygger upp detta system gör det svårt att se detta system som en kandidat för uppdragsgivarens verksamhet. Det krävs alltför mycket arbete med att fylla upp systemet med nuvarande data. Systemet erbjuder inte heller goda integrationer med företagets nuvarande IT-lösningar heller. Därför anses inte detta system som ett lämpligt val för projektet.
5.4 Sammanfattning av ERP-systemanalyser och AHP-analys
Nedan presenteras en tabell över vilka egenskaper ERP-systemen hade sinsemellan:
Tabell 2. ERP-systemens egenskaper.
Erply Monitor Lemonsoft Odoo
Smidighet ✓ ✓ ✓ ✓
Användarvänlighet ✓ ✓ ✓ ✓
Grafik ✓ ✓ ✓
Svenskspråkighet ✓ ✓
Enkelhet ✓ ✓
Ingen installation ✓ ✓ ✓
Integration med webbshop
✓
