Leverantörsprestanda – Så mäter och optimerar du den

Varför leverantörsprestanda påverkar hela din verksamhet

Du märker leverantörsprestanda när kundservice inte kan hålla leveranslöften, när lagret växer ”för säkerhets skull” eller när inköp lägger oproportionerligt mycket tid på påminnelser, delleveranser och akuta inköp. Det handlar inte om ett teoretiskt scorecard, utan om en mycket konkret tillförlitlighet i ditt inköpsflöde: från att du skickar en inköpsorder tills varan har tagits emot, registrerats och är redo att säljas eller levereras vidare.

Om du mäter leverantörsprestanda konsekvent får du ett styrmedel som vanligtvis påverkar tre saker samtidigt: lägre lagerbindning, färre restorder och därmed högre servicenivå, samt mindre tidsförlust i godsmottagning och inköp. Den här artikeln visar en enkel metod som kan användas månad efter månad utan att drunkna i KPI’er.

Det viktigaste vi går igenom är:

• Vad leverantörsprestanda bör innebära i praktiken och vad du ska mäta mot
• Ett ”startpaket” med KPI’er som kan beräknas direkt från dina egna data
• En 30-dagars implementering: datalogg, avvikelsekoder och en fast uppföljningsrutin
• Konkreta exempel på hur OTIF, kvantitetsavvikelser och variation i ledtid skapar dolda kostnader

När du har kontroll på grundmätningen är nästa steg att använda den aktivt: minska variationen för kritiska artiklar och låt planeringen bygga på fakta i stället för magkänsla.

Vad är leverantörsprestanda?

Leverantörsprestanda är leverantörens förmåga att leverera enligt det som avtalats i din inköpsprocess: rätt datum, rätt mängd och rätt kvalitet. ”Avtalat” är nyckelordet. Om du mäter mot interna önskedatum eller otydliga förväntningar kommer KPI:erna att handla om planering i stället för prestation.

I praktiken bör din baslinje nästan alltid vara det som leverantören har bekräftat (datum och mängd). Därför blir leverantörsprestanda mest relevant när du mäter på leveransnivå och kan koppla varje mottagning direkt till en PO, ett bekräftat leveransdatum och ett faktiskt mottagningsdatum.

För grossister och handelsföretag blir effekten snabbt kostsam eftersom små avvikelser multipliceras med volymen. Variation skapar:

• Högre säkerhetslager (du köper in tidigare och mer för att ”vara på den säkra sidan”)
• Fler restorder och lägre OTIF mot dina kunder
• Extra hantering i godsmottagningen (saknade etiketter, fel antal, skador)
• Högre totalkostnad (expressfrakt, reklamationer, förlorat täckningsbidrag)

Poängen är inte att ”straffa” leverantörer utan att synliggöra variation så att du kan minska den, särskilt för A-artiklar och kritiska leverantörer.

De 4 KPI’erna som ger dig kontroll

Det vanligaste misstaget är att börja för brett. Du får störst värde av ett fåtal KPI:er som kan mätas objektivt med data du redan har i ditt ERP-system eller lager/inköpssystem. Ett starkt startpaket består av fyra KPI:er som visar både resultat och orsak.

1. OTIF inbound (On Time In Full): Andelen leveranser som både är on-time och in-full. OTIF kombinerar ”datum” och ”kvantitet” i en KPI och avslöjar snabbt skillnaden mellan leverantörer som ”kommer i tid” men levererar ofullständigt.
2. Ledtidsprecision och variation: Hur mycket avviker faktisk leveranstid från bekräftad leveranstid, och hur stor är spridningen? Variation är ofta farligare än ett dåligt genomsnitt eftersom den förstör återbeställningslogik och kapacitetsplanering.
3. Kvalitets-/felgrad: Andel mottagningar med fel (skador, fel artikel, fel etikett/dokumentation). Börja gärna med en enkel registrering av ”fel ja/nej” och bygg sedan ut med felkategorier.
4. Cost of non-performance: Uppskattade interna och externa kostnader för avvikelser (extra timmar, expressfrakt, ommottagningar, förlorad försäljning). Det gör förbättringsarbetet lättare att prioritera.

Använd OTIF som ditt övergripande ”temperaturmått”, men rapportera alltid on-time och in-full separat i bakgrunden så att du ser vad som driver problemen.

Gör KPI’erna styrbara: fasta definitioner som stoppar ”politiska” diskussioner

Leverantörsprestanda blir först användbar när ni internt är överens om vad som ska mätas. Om definitionerna ändras från månad till månad (eller från person till person) kan du inte se förbättringar, och dialogen med leverantören blir en diskussion i stället för handling.

Här är en praktisk standard som vanligtvis fungerar väl i grossistmiljöer:

• On-time delivery: Mät mot bekräftat leveransdatum (inte önskat datum). ”On-time” innebär mottaget på bekräftat datum eller inom ett överenskommet tidsfönster (t.ex. ±1 arbetsdag beroende på artikeltyp och transportsätt).
• In-full / fill rate: Mottaget antal / beställt antal (enheter) eller fullt levererade rader / beställda rader. För kritiska artiklar kan kravet vara 100 %, för övriga exempelvis 98 % (fastställs som policy).
• OTIF inbound: Leveranser som är både on-time och in-full / samtliga leveranser.
• Ledtidsprecision: faktisk ledtid, bekräftad ledtid, rapporterat som genomsnitt och ett robust variationsmått (t.ex. P90 så att extremvärden inte dominerar diskussionen).

Den viktigaste disciplinen är att välja baslinjer som kan dokumenteras och som leverantören uppfattar som rättvisa. Det gör det betydligt enklare att få igenom verkliga förbättringar.

30 dagar till en fungerande mätmodell

Du kan komma igång på en månad om du håller dig till leveransnivå, få fält och standardiserade avvikelsekoder. Målet är inte perfektion från dag ett, utan en stabil process som kan förbättras över tid.

1. Vecka 1: Fastställ mätregler och ansvar. Definiera on-time/in-full, vilket datumfält som ska mätas mot och vem som äger siffrorna (vanligtvis inköp).
2. Vecka 1-2: Skapa en leveranslogg på leveransnivå. Varje mottagning ska kunna kopplas till leverantör, PO, bekräftat datum, faktiskt mottagningsdatum, beställd respektive mottagen mängd (rader/enheter) samt en avvikelsekod.
3. Vecka 2: Standardisera avvikelsekoder. Håll det enkelt så att lagret faktiskt använder dem: försening, del-/restleverans, felplock/fel artikel, transportskada, etikett-/dokumentationsfel, kapacitetsbrist.
4. Vecka 3-4: Skapa en månatlig ”one-pager” per A-leverantör. Visa OTIF (månad + rullande 3 månader), on-time och in-full separat, ledtid (genomsnitt + P90) samt de tre vanligaste avvikelseorsakerna (Pareto).
5. Från månad 2: Genomför fasta leverantörsgenomgångar. 30-45 minuter per nyckelleverantör med fokus på de två viktigaste orsakerna och konkreta åtgärder med ansvarig person och deadline.

Genom att tidsbegränsa uppsättningen undviker du att projektet fastnar i ”vi behöver bara få med alla detaljer först”. När du väl har en stabil logg kan du gradvis automatisera mer via ditt inköpssystem och din mottagningsprocess.

Vanliga misstag som gör leverantörsprestanda oanvändbar

Många företag ”vet” vilka leverantörer som är bra och dåliga, men kan inte omsätta den kunskapen till bättre leveranser. Det beror vanligtvis inte på bristande vilja, utan på en mätmodell som inte driver beteende.

De vanligaste fallgroparna är:

• Du mäter mot önskat datum och hamnar i diskussioner om intern planering i stället för leverantörens bekräftelse.
• Du mäter per PO i stället för per rad/enhet, vilket gör att delleveranser ser bra ut trots att de skapar restorder.
• Data finns i e-postmeddelanden och PDF:er (orderbekräftelser), vilket gör siffrorna personberoende och svåra att skala.
• Du har ingen fast uppföljningsrutin, vilket gör att uppföljningen blir ad hoc och problemen återkommer.

Lösningen är strukturell: mätning på leveransnivå, ett fåtal konsekventa KPI:er, standardiserade avvikelsekoder och en fast månatlig rytm. När detta fungerar blir leverantörsprestanda en naturlig del av verksamheten, precis som orderhantering och lagerplanering.

Exempel: så avslöjar OTIF, variation och kvalitet de dolda kostnaderna

Exempel 1: ”Levererar i tid” men skapar restorder

En leverantör verkar prestera bra på on-time (t.ex. 95 % inom tidsfönstret), men kundservice och lager upplever ständigt bristsituationer. När företaget går över till OTIF inbound och mäter in-full på rad-/enhetsnivå visar det sig att in-full bara ligger på exempelvis 80 %. Delleveranser skapar extra hantering, ombokningar och fler interna reservationsändringar. Lösningen är att komma överens om en tydlig praxis för kompletta leveranser eller en klar restorderplan med nya bekräftade datum.

Exempel 2: Genomsnittlig ledtid är bra, men variationen förstör återbeställningen

En leverantör har en acceptabel genomsnittlig ledtid, men vissa leveranser kommer betydligt senare än bekräftat. Om du bara tittar på genomsnittet underskattar du risken och får lagerbrister. När du i stället rapporterar ledtidsprecision och variation (t.ex. P90) blir det tydligt att planering och återbeställningspunkter måste ta hänsyn till spridningen, eller att leverantören behöver stabilisera sin bekräftelse- och leveransprocess.

Exempel 3: Kvalitetsfel skapar dubbelarbete i godsmottagningen

Fel i etiketter, dokumentation eller artikelnummer leder inte bara till reklamationer; de skapar också extra arbete i godsmottagning, inlagring och efterföljande plockning. Genom att registrera enkla avvikelsekoder vid mottagningen kan du dokumentera vilka feltyper som återkommer och få leverantören att åtgärda grundorsaken i stället för att du ska behöva ”lösa” problemet varje gång.

Den gemensamma nämnaren i alla tre exemplen är att du flyttar dialogen från enskilda händelser till mönster. Det är där varaktiga förbättringar skapas.

Vill du höra hur Rackbeat kan optimera dina arbetsprocesser?

Boka ett gratis onlinemöte och få konkret rådgivning kring din nuvarande lagerlösning, samt bra tips på hur du kan optimera dina arbetsprocesser i vardagen.