Förstå säkerhetsaktier: Vad är det och varför är det så högt?
Säkerhetslager: Vad är det och varför är det så högt?
March 20, 2025
5 min read

Förstå säkerhetsaktier: Vad är det och varför är det så högt?

Oavsett om du är ny inom logistik eller en veteran är säkerhetslager ett viktigt begrepp som många människor kan bli förvirrade över. Som en enkel förklaring är säkerhetslager en extra mängd lager som underhålls för att minska risken för lagerbrist. Det är gott och väl, men hur beräknas säkerhetslagret för att förhindra en lagerbrist? Svaret på den frågan påverkas av en rad olika variabler: Hur förutsägbar är produkten i försäljningen? Hur väl passar prognosmodellen? Vad är ledtiden? Vad är prognosen för artikeln? Vad är konfidensnivån och den inställda servicenivån? Det kan se ut som mycket, men alla dessa faktorer kommer att påverka en varas säkerhetslager.

I denna artikel

Oavsett om du är ny inom logistik eller en veteran är säkerhetslager ett viktigt begrepp som många människor kan bli förvirrade över. Som en enkel förklaring är säkerhetslager en extra mängd lager som underhålls för att minska risken för lagerbrist. Det är gott oc
Säkerhetslager: Vad är det och varför är det så högt?
March 20, 2025
5 min read

Förståelse av säkerhetslager

Säkerhetslager är en extra lagerkvantitet som upprätthålls för att minska risken för lageravbrott som orsakas av osäkerheter i efterfrågan och tillgång. Den fungerar som en buffert och säkerställer att kundernas efterfrågan tillgodoses även när oförutsedda fluktuationer inträffar.

För att bättre förstå säkerhetslager, låt oss gå igenom en av de vanligaste frågorna vi får om säkerhetslager och hur säkerhetslager beräknas i AGR-systemet.

Varför är säkerhetslagret på den här produkten så högt?

Säkerhetslager upprätthålls för att möta volatil efterfrågan under ledtiden (tiden mellan att lägga en order och placera enheterna i lager). Säkerhetslager i AGR läggs med andra ord på orderförslag för att kompensera för osäkerheten i den statistiska prognosen.

Även om vi listade alla olika variabler som kan påverka denna beräkning ovan, finns det tre huvudfaktorer att ta hänsyn till när man tittar på säkerhetslager:

1. Försäljningshistorik: Statistiska prognoser i AGR baseras enbart på varje SKU:s försäljningshistorik. Ju mer robust försäljningshistorik den har, desto bättre blir prognosen. AGR:s prognosmodul kommer att plocka upp säsongstrender eller andra mönster om den har tillräckligt med datapunkter. Om försäljningshistoriken är mycket volatil eller kort kommer AGR:s prognosmodul inte att kunna ge en tillförlitlig prognos.

2. Konfidensfaktor: Varje artikel i AGR:s system har en förtroendefaktor som spelar en stor roll för att bestämma säkerhetslagret. Genom att tillämpa en hög konfidensfaktor på en vara är det mindre troligt att den tar slut i lager.

3. Orderperiod: Tänk på att säkerhetslagret beräknas i förhållande till beställningsperioden. Artikeldiagrammet kan vara i dagar, veckor och månader, men säkerhetslagernumret kommer alltid att visas som en horisontell linje oavsett tidsskalan.

Exempel: Lång ledtid skapade ett till synes högt säkerhetslager.

Tänk på följande artikel som har en lång och stabil försäljningshistorik, hög konfidensgrad (95%) och en orderperiod på 8 dagar (ledtidsdagar = 1 och orderfrekvens = 7). Prognostiserade kvantiteter är i allmänhet cirka 2.000 enheter per månad och säkerhetslagret för orderperioden är 81 enheter.

*Safety Stock ses som den blå streckade linjen.

Hur ser det ut om ledtiden var 6 månader (ledtid dagar = 180) men inget annat ändrades?

Säkerhetslagret ökar till 1.025 enheter för orderperioden.

Exempel: Volatil försäljningshistorik, hög konfidensfaktor och lång ledtid

Common fråga: Om man tittar på nedanstående artikelkort ser säkerhetslagret ut att vara fel. Den månatliga försäljningen har aldrig överstigit 1100 enheter per månad, ändå är säkerhetslagret 1500. Det ser ut som att det försöker behålla nästan 6 veckors DC-lager, vilket vi inte vill göra. Vad är grejen?

Ett par punkter här:

  • Denna artikel klassificeras som en A-produkt, så konfidensfaktorn är hög (90 %)
  • Ledtiden är 130 dagar och orderfrekvensen är 30 dagar, så orderperioden är 160 dagar (5,3 månader)

Det är viktigt att komma ihåg att säkerhetslager är en funktion av tre huvudfaktorer: osäkerhet i prognosen, antalet ord som ska täckas (orderperiod) och produktens konfidensfaktor. Den här artikeln har markerat alla rutor för att ha ett högt säkerhetslager:

  • Hög konfidensfaktor (90 %)
  • Mycket lång beställningsperiod (160 dagar)
  • Väldigt lite försäljningshistorik med en snabb tillväxt i början för att sedan minska lika snabbt. Detta leder till en hög osäkerhet i prognosen, vilket driver säkerhetsaktien högre.

Är säkerhetslagret högt, eller är det motiverat? Kom ihåg att säkerhetslagret i grafen beräknas per orderperiod. Grova beräkningar nedan kan visa oss vad säkerhetslagret per dag är och därmed vad säkerhetslagret per månad är.

Säkerhetslager för orderperiod = ca 1500 enheter.

Beställningsperiod = 160 dagar.

Säkerhetslager per dag = 1500 / 160 = ca 9,4 enheter per dag

Säkerhetslager per månad = 9,4 * 30 = 280 enheter per månad.

Försäljningen i juli var cirka 1 100 enheter och augusti var cirka 800 – hur kommer försäljningen i november (nästa månad) att bli? Det skulle inte vara långsökt om det skulle sälja 1.100 enheter igen. Genom att ställa in konfidensfaktorn på 90 säger du att du vill vara mer förberedd på att det kan hända. När man reflekterar över frågan: “Det ser ut som om det försöker upprätthålla nästan 1,5 månaders DC-lager, vilket vi inte vill göra”, är det inte korrekt. Det innebär att prognosen kan vara fel med upp till 1,5 månaders lager vid beställning för ungefär 5 månader.

AGR prognosticerar med andra ord ungefär 800 enheter per månad men lägger till 280 enheter ovanpå för att kompensera för osäkerheten i prognosen, vilket enkelt förklarar det höga säkerhetslagret och varför AGR-systemet har beräknat detta i enlighet med detta.

AGR-programvaran använder fem olika prognosmodeller för att bäst passa dina artiklar, utformade för att fånga upp alla möjliga trender inom dina artiklar. Beräkningen av säkerhetslager i vårt system hjälper dig att undvika slut på artiklar som är viktiga för din affärsverksamhet och hjälper dig att ta din leveranskedja till nästa nivå. Fyll i formuläret nedan om du vill ha en demo av vårt prisbelönta system och se hur vi kan hjälpa din verksamhet.

Relaterade inlägg
June 8, 2026
10 min read
Retail inventory method hjälper återförsäljare att uppskatta lagervärdet utan att genomföra en fullständig fysisk lagerinventering. Den här guiden förklarar hur metoden fungerar, hur du beräknar utgående lager med hjälp av kostnad–till–detaljhandelskvoten och var den passar in i modern detaljhandelsverksamhet. Du får också lära dig fördelarna och begränsningarna med tillvägagångssättet, hur det jämför sig med FIFO och andra värderingsmetoder samt varför många återförsäljare går bortom uppskattningar med prognoser, påfyllnad och programvara för lagerplanering och lageroptimering. Oavsett om du arbetar inom ekonomi, lageroptimering eller retail operations ger förståelse för retail inventory method värdefull kontext för att fatta smartare lagerbeslut.
June 3, 2026
13 min read
De flesta företag samlar på sig SKU:er över tid, men fler produkter leder inte alltid till bättre resultat. SKU-rationalisering hjälper företag att identifiera underpresterande, överflödiga och lågvärdiga produkter så att de kan minska komplexiteten, frigöra rörelsekapital och förbättra lagerprestanda. Denna guide förklarar processen för SKU-rationalisering, nyckelformler och praktiska ramverk som används för att bygga en sundare, mer lönsam produktportfölj. Lär dig hur du fattar datadrivna beslut som förbättrar lagrets omsättningshastighet, prognosnoggrannhet och operativ effektivitet.
May 28, 2026
13 min read
Maskininlärning förändrar hur detaljhandlare förutser efterfrågan, hanterar lager och reagerar på förändrade kundbeteenden. Den här guiden utforskar de viktigaste användningsområdena inom detaljhandeln, från automatiserad påfyllning och sortimentsoptimering till prissättning och planering av leveranskedjan. Lär dig hur maskininlärning förbättrar prognosprecisionen, minskar lageravbrott och hjälper detaljhandlare att fatta snabbare, datadrivna lagerbeslut i stor skala. Upptäck de praktiska fördelarna, de vanliga utmaningarna och de verkliga exemplen som formar modern detaljhandelsverksamhet.