Leverandørperformance – Sådan måler og optimerer du

Hvorfor leverandørperformance påvirker hele din drift

Du mærker leverandørperformance, når kundeservice ikke kan holde leveringsløfter, når lageret vokser “for en sikkerheds skyld”, eller når indkøb bruger uforholdsmæssigt meget tid på rykkere, del-leveringer og hasteindkøb. Det er ikke et teoretisk scorecard, men en meget konkret pålidelighed i dit indkøbsflow: fra du sender en indkøbsordre, til varen er modtaget, registreret og klar til at blive solgt eller leveret videre.

Hvis du måler leverandørperformance konsekvent, får du et styringsgreb, der typisk påvirker tre ting samtidig: lavere lagerbinding, færre restordrer og dermed højere servicegrad, samt mindre spildtid i modtagelse og indkøb. Artiklen her viser dig en enkel metode, der kan drives måned efter måned, uden at den drukner i KPI’er.

Det vigtigste, vi gennemgår, er:

• Hvad leverandørperformance bør betyde i praksis og hvad du skal måle imod
• Et “starter-sæt” af KPI’er, der kan beregnes direkte fra dine egne data
• En 30-dages implementering: datalog, afvigelseskoder og fast review-rytme
• Konkrete eksempler på, hvordan OTIF, mængdeafvigelser og lead time-variation skaber skjulte costs

Når du har styr på grundmålingen, bliver næste skridt at bruge den aktivt: reducér variation på kritiske varer og få din planlægning til at hvile på fakta i stedet for mavefornemmelser.

Hvad er leverandørperformance?

Leverandørperformance er leverandørens evne til at levere i henhold til det, der er aftalt i din indkøbsproces: korrekt dato, korrekt mængde og korrekt kvalitet. “Aftalt” er nøgleordet. Hvis du måler imod interne ønskedatoer eller uklare forventninger, ender KPI’erne i diskussioner om planlægning i stedet for performance.

I praksis bør din baseline næsten altid være det, leverandøren har bekræftet (dato og mængde). Derfor giver leverandørperformance mest mening, når du måler på leveranceniveau og kan koble hver modtagelse direkte til en PO, en bekræftet leveringsdato og en faktisk modtagelsesdato.

For grossister og wholesale-virksomheder bliver effekten hurtigt dyr, fordi små afvigelser multipliceres med volumen. Variation skaber:

• Højere sikkerhedslager (du køber tidligere og mere for at “være på den sikre side”)
• Flere restordrer og lavere OTIF til dine kunder
• Ekstra håndtering i modtagelse (manglende labels, fejl i antal, skader)
• Højere totalomkostning (ekspresfragt, reklamationer, tabt dækningsbidrag)

Pointen er ikke at “straffe” leverandører, men at gøre variation synlig, så du kan styre den ned, især på A-varenumre og kritiske leverandører.

De 4 KPI’er, der giver dig kontrol

Den mest almindelige fejl er at starte for bredt. Du får mest værdi af få KPI’er, som kan måles objektivt med data, du allerede har i ERP eller dit lager/indkøbssystem. Et stærkt starter-sæt består af fire KPI’er, der både viser resultat og årsag.

1. OTIF inbound (On Time In Full): Andel leverancer, der er både on-time og in-full. OTIF samler “dato” og “mængde” i én KPI og afslører hurtigt forskellen på leverandører, der “kommer til tiden” men leverer delvist.
2. Lead time accuracy og variation: Hvor meget afviger faktisk leveringstid fra bekræftet leveringstid, og hvor stor er spredningen? Variation er ofte farligere end et dårligt gennemsnit, fordi den ødelægger genbestillingslogik og kapacitetsplan.
3. Kvalitets-/defect rate: Andel modtagelser med fejl (skader, forkert vare, forkert label/dokumentation). Brug helst en simpel “fejl ja/nej” ved start, og udbyg senere med fejlkategorier.
4. Cost of non-performance: Estimerede interne og eksterne omkostninger ved afvigelser (ekstra timer, ekspresfragt, genmodtagelser, tabt salg). Det gør performance-forbedringer prioriterbare.

Brug OTIF som dit overordnede “temperaturmål”, men rapportér altid on-time og in-full separat i baggrunden, så du kan se, hvad der driver problemerne.

Gør KPI’erne styrbare: faste definitioner der stopper “politiske” diskussioner

Leverandørperformance bliver først brugbar, når I internt er enige om, hvad I måler. Hvis definitionerne skifter fra måned til måned (eller fra person til person), kan du ikke se forbedringer, og leverandørdialogen ender i debat frem for handling.

Her er en praktisk standard, der typisk fungerer i grossistmiljøer:

• On-time delivery: Mål imod bekræftet leveringsdato (ikke ønsket dato). “On-time” betyder modtaget på bekræftet dato eller inden for et aftalt vindue (fx ±1 arbejdsdag, afhængigt af varetype og transportform).
• In-full / fill rate: Modtaget antal / bestilt antal (enheder) eller fuldt leverede linjer / bestilte linjer. For kritiske varer kan kravet være 100%, for øvrige fx 98% (aftales som politik).
• OTIF inbound: Leverancer der er både on-time og in-full / alle leverancer.
• Lead time accuracy: faktisk lead time, bekræftet lead time, rapporteret som gennemsnit og et robust mål for variation (fx P90, så outliers ikke dominerer samtalen).

Den afgørende disciplin er: vælg baselines, du kan dokumentere, og som leverandøren kan anerkende som fair. Det gør det langt lettere at få reelle forbedringer igennem.

30 dage til en fungerende målemodel

Du kan komme i gang på en måned, hvis du holder dig til leveranceniveau, få felter og standardiserede afvigelseskoder. Målet er ikke perfektion fra dag 1, men en stabil proces, der kan forbedres over tid.

1. Uge 1: Fastlæg måleregler og ansvar. Definér on-time/in-full, hvilket datofelt der måles imod, og hvem der ejer tallene (typisk indkøb).
2. Uge 1-2: Opret en leveringslog på leveranceniveau. Hver modtagelse skal kunne knyttes til leverandør, PO, bekræftet dato, faktisk modtagelsesdato, bestilt vs. modtaget mængde (linjer/enheder) og en afvigelseskode.
3. Uge 2: Standardisér afvigelseskoder. Hold det simpelt, så lageret faktisk bruger dem: forsinkelse, del-/restlevering, fejlpluk/forkert vare, transportskade, label/dokumentationsfejl, kapacitetsmangel.
4. Uge 3-4: Lav en månedlig “one-pager” pr. A-leverandør. Vis OTIF (måned + rullende 3 mdr.), on-time og in-full separat, lead time (gennemsnit + P90) og top-3 afvigelsesårsager (Pareto).
5. Fra måned 2: Kør faste leverandørreviews. 30-45 minutter pr. nøgleleverandør med fokus på top-2 årsager og konkrete actions med ejer og deadline.

Ved at timeboxe opsætningen undgår du, at projektet dør i “vi mangler lige at få alle detaljerne med”. Når du først har en stabil log, kan du gradvist automatisere mere via din indkøbsstyring og koble data tættere sammen med din lagerstyring og modtagelsesproces.

Typiske fejl der gør leverandørperformance ubrugelig

Mange virksomheder “ved godt”, hvem der er gode og dårlige leverandører, men kan ikke omsætte det til bedre leveringer. Det skyldes typisk ikke manglende vilje, men en målemodel der ikke kan drive adfærd.

De mest almindelige faldgruber er:

• Du måler imod ønskedato og ender med at diskutere intern planlægning frem for leverandørens bekræftelse.
• Du måler pr. PO i stedet for linje/enhed, så del-leveringer “ser fine ud”, selvom de skaber restordrer.
• Data ligger i e-mails og PDF’er (ordrebekræftelser), så tallene bliver personafhængige og kan ikke skaleres.
• Du har ingen fast review-rytme, så opfølgning bliver ad hoc, og problemer gentager sig.

Løsningen er strukturel: måling på leveranceniveau, få konsistente KPI’er, standardiserede afvigelseskoder og en fast månedlig kadence. Når det kører, bliver leverandørperformance en del af driften på linje med ordrestyring og lagerplanlægning.

Eksempler: sådan afslører OTIF, variation og kvalitet de skjulte omkostninger

Eksempel 1: “Leverer til tiden”, men skaber restordrer.

En leverandør ser ud til at performe godt på on-time (fx 95% indenfor vinduet), men kundeservice og lager oplever konstant mangel. Da virksomheden skifter til OTIF inbound og måler in-full på linje-/enhedsniveau, viser det sig, at in-full kun er fx 80%. Del-leveringer skaber ekstra håndtering, ombookinger og flere interne reservation-ændringer. Tiltaget er at aftale en klar praksis for samlet leverance eller en tydelig restordreplan med nye bekræftede datoer.

Eksempel 2: Gennemsnitlig lead time er fin, men variationen ødelægger genbestilling.

En leverandør har en “okay” gennemsnits-lead time, men nogle leverancer kommer væsentligt senere end bekræftet. Hvis du kun ser på gennemsnittet, undervurderer du risikoen og får stockouts. Når du i stedet rapporterer lead time accuracy og variation (fx P90), bliver det tydeligt, at planlægning og genbestillingspunkt (ROP) bør tage højde for spredningen, eller at leverandøren skal stabilisere sin bekræftelses- og afsendelsesproces.

Eksempel 3: Kvalitetsfejl giver dobbeltarbejde i modtagelsen.

Fejl i labels, dokumentation eller varenummer skaber ikke kun reklamationer; de skaber også ekstra tid i modtagelsen, put-away og efterfølgende pluk. Ved at registrere simple afvigelseskoder ved modtagelse (gerne understøttet af håndscanner) kan du dokumentere, hvilke fejltyper der går igen, og få leverandøren til at rette på kilden i stedet for at du “fikser” det hver gang.

Fællesnævneren i alle tre eksempler er, at du flytter dialogen fra enkelthændelser til mønstre. Det er dér, forbedringer kan fastholdes.

Vil du høre, hvordan Rackbeat kan optimere dine arbejdgange?

Book et gratis onlinemøde og få konkret sparring på din nuværende lagerløsning, samt gode råd til hvordan du kan optimere dine arbejdsgange i hverdagen.