{"id":1655,"date":"2022-08-19T06:14:00","date_gmt":"2022-08-19T06:14:00","guid":{"rendered":"https:\/\/www.telesto.app\/blog\/?p=1655"},"modified":"2025-06-08T22:05:41","modified_gmt":"2025-06-08T22:05:41","slug":"prognose-af-lagerbehov","status":"publish","type":"post","link":"https:\/\/www.telesto.app\/blog\/2022\/08\/19\/prognose-af-lagerbehov\/","title":{"rendered":"Prognose af Lagerbehov"},"content":{"rendered":"<h2>Hvad er en lagerprognose?<\/h2>\n<p>En lagerprognose hj\u00e6lper dig med at forudsige den fremtidige eftersp\u00f8rgsel p\u00e5 dine produkter p\u00e5 kort, mellemlang eller lang sigt. Det er en grundl\u00e6ggende del af enhver effektiv lagerstyring. N\u00e5r du kender eftersp\u00f8rgslen i forvejen, kan du forbedre kundeservice, lagerkontrol og kapacitetsstyring.<\/p>\n<p>Du kan ogs\u00e5 forudsige fremtidige omkostninger i forbindelse med nye ordrer. Et andet vigtigt omr\u00e5de er leveringstiden (lead time), som ofte bliver kortere. Uanset hvad du v\u00e6lger at forudsige, b\u00f8r du huske disse grundprincipper:<\/p>\n<ul>\n<li>Prognoser er mest pr\u00e6cise p\u00e5 kort sigt. Jo l\u00e6ngere frem du forudsiger, jo st\u00f8rre usikkerhed.<\/li>\n<li>Prognosen vil aldrig v\u00e6re 100% n\u00f8jagtig. Der vil v\u00e6re en fejlmargin, som b\u00f8r kendes og m\u00e5les.<\/li>\n<li>En prognose erstatter ikke den faktiske eftersp\u00f8rgsel.<\/li>\n<\/ul>\n<h2>Typer af prognoser<\/h2>\n<p>Der findes mange m\u00e5der at lave prognoser p\u00e5, og ingen metode er bedst i alle situationer. Valget afh\u00e6nger af tidshorisonten og de tilg\u00e6ngelige data. Prognoser opdeles typisk efter tidsramme:<\/p>\n<ul>\n<li>Langsigtet: ser flere \u00e5r frem<\/li>\n<li>Mellemlang sigt: ser tre m\u00e5neder til et \u00e5r frem<\/li>\n<li>Kortsigtet: ser et par uger frem<\/li>\n<\/ul>\n<p>Prognoser kan baseres p\u00e5 historiske data eller sk\u00f8n. Hvis der findes en p\u00e5lidelig eftersp\u00f8rgselshistorik, b\u00f8r den bruges som kilde.<\/p>\n<h2>Prognoseteknikker<\/h2>\n<p>Tidligere har vi gennemg\u00e5et <a href=\"https:\/\/www.telesto.app\/blog\/2022\/05\/07\/how-much-products-to-buy\/\">EOQ-metoden (\u00f8konomisk ordrem\u00e6ngde)<\/a> for at finde ud af, hvor meget der skal k\u00f8bes. I dette indl\u00e6g gennemg\u00e5r vi tre grundl\u00e6ggende metoder, der bruger historiske data.<\/p>\n<p>Vi bruger data fra oktober, november og december 2022 til at forudsige de f\u00f8rste tre m\u00e5neder af 2023.<\/p>\n<h3>Bev\u00e6gende gennemsnit<\/h3>\n<p>Denne metode beregner det enkle gennemsnit af et fast antal tidligere m\u00e5neder for at forudsige n\u00e6ste m\u00e5neds eftersp\u00f8rgsel.<\/p>\n<table>\n<tbody>\n<tr>\n<td>Oktober 2022<\/td>\n<td>114<\/td>\n<\/tr>\n<tr>\n<td>November 2022<\/td>\n<td>119<\/td>\n<\/tr>\n<tr>\n<td>December 2022<\/td>\n<td>137<\/td>\n<\/tr>\n<tr>\n<td>Januar 2023<\/td>\n<td>? 114 + 119 + 137 = 370, 370 \/ 3 = <strong>123<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Februar 2023<\/td>\n<td>? 119 + 137 + 123 = 379, 379 \/ 3 = <strong>126<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Marts 2023<\/td>\n<td>? 137 + 123 + 126 = 386, 386 \/ 3 = <strong>129<\/strong><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h3>V\u00e6gtet bev\u00e6gende gennemsnit<\/h3>\n<p>Denne metode tildeler forskellige v\u00e6gte til tidligere m\u00e5neder, hvor de nyeste data v\u00e6gter h\u00f8jest. Den er velegnet til kortsigtede prognoser for stabile produkter.<\/p>\n<p><em>Bem\u00e6rk: Summen af v\u00e6gtene skal v\u00e6re 1,00. I dette eksempel bruger vi 0,6 (nyeste), 0,3 og 0,1<\/em><\/p>\n<table>\n<tbody>\n<tr>\n<td>Oktober 2022<\/td>\n<td>114<\/td>\n<\/tr>\n<tr>\n<td>November 2022<\/td>\n<td>119<\/td>\n<\/tr>\n<tr>\n<td>December 2022<\/td>\n<td>137<\/td>\n<\/tr>\n<tr>\n<td>Januar 2023<\/td>\n<td>? 137 * 0.6 + 119 * 0.3 + 114 * 0.1 = <strong>129<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Februar 2023<\/td>\n<td>? 129 * 0.6 + 137 * 0.3 + 119 * 0.1 = <strong>131<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Marts 2023<\/td>\n<td>? 131 * 0.6 + 129 * 0.3 + 137 * 0.1 = <strong>130<\/strong><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h3>Line\u00e6r udj\u00e6vning<\/h3>\n<p>Ligner den v\u00e6gtede metode, men v\u00e6gtene falder line\u00e6rt efter en formel. Denne metode er ogs\u00e5 god til kortsigtede prognoser for modne produkter.<\/p>\n<p><small><br \/>\nV\u00e6gt for \u00e9n m\u00e5ned tilbage = 3 \/ ((n\u00b2 + n)\/2) = 3 \/ 6 = 0.5<br \/>\nV\u00e6gt for to m\u00e5neder tilbage = 2 \/ 6 = 0.3<br \/>\nV\u00e6gt for tre m\u00e5neder tilbage = 1 \/ 6 \u2248 0.17<br \/>\n<\/small><\/p>\n<table>\n<tbody>\n<tr>\n<td>Oktober 2022<\/td>\n<td>114<\/td>\n<\/tr>\n<tr>\n<td>November 2022<\/td>\n<td>119<\/td>\n<\/tr>\n<tr>\n<td>December 2022<\/td>\n<td>137<\/td>\n<\/tr>\n<tr>\n<td>Januar 2023<\/td>\n<td>? 137 * 0.5 + 119 * 0.3 + 114 * 0.17 = <strong>126<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Februar 2023<\/td>\n<td>? 126 * 0.5 + 137 * 0.3 + 119 * 0.17 = <strong>128<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Marts 2023<\/td>\n<td>? 128 * 0.5 + 126 * 0.3 + 137 * 0.17 = <strong>129<\/strong><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h2>Konklusion<\/h2>\n<p>Prognoser er baseret p\u00e5 historiske data og modeller. De er ikke perfekte og kan indeholde fejl for\u00e5rsaget af modelvalg, datakvalitet eller fortolkning. Alligevel er et kvalificeret estimat langt bedre end slet ingen prognose.<\/p>\n<p>I kommende indl\u00e6g vil vi gennemg\u00e5 mere avancerede metoder som eksponentiel udj\u00e6vning og mindste kvadraters regression \u2013 og hvordan de kan automatiseres i moderne lagerstyringssystemer.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Hvad er en lagerprognose? En lagerprognose hj&aelig;lper dig med at forudsige den fremtidige eftersp&oslash;rgsel p&aring; dine produkter p&aring; kort, mellemlang&hellip;<\/p>\n","protected":false},"author":1,"featured_media":1324,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[23],"tags":[],"class_list":["post-1655","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-dansk-da"],"_links":{"self":[{"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/posts\/1655","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/comments?post=1655"}],"version-history":[{"count":1,"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/posts\/1655\/revisions"}],"predecessor-version":[{"id":1656,"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/posts\/1655\/revisions\/1656"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/media\/1324"}],"wp:attachment":[{"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/media?parent=1655"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/categories?post=1655"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/tags?post=1655"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}