<img src="https://secure.leadforensics.com/133892.png" alt="" style="display:none;">

I Danmark får de fleste heldigvis nok at spise – mange af os endda lidt for meget. Alligevel er madspild en reel udfordring, vi kan og bør håndtere mere effektivt. De seneste analyser fra Miljøstyrelsen anslår for eksempel, at vi i Danmark kasserer mere end 700.000 tons fødevarer hvert år. Meget spild sker i husholdningerne, men endnu mere finder sted, før varerne lægges i kurven.

Madspil – en udfordring i flere dele

Spildet lægger et enormt og unødvendigt pres på klodens ressourcer og gør producenterne mindre konkurrencedygtige. For når vi køber ind, betaler vi ikke kun for pålægspakken eller rugbrødet i kurven – men for de tusindvis af pålægspakker og rugbrød, der nåede at blive for gamle, før de blev solgt. Samt for alle de råvarer, der gik til spilde undervejs i produktionen.

Madspildets ene ben er således ikke-optimerede processer, der betyder at råvarer og biprodukter kasseres i stedet for at blive til fødevarer. Det skriver jeg meget mere om her.

Udfordringens andet ben er, at producenterne har svært ved at forudsige den præcise efterspørgsel.

Fire af ti rugbrød smides ud

Jeg var for nylig på besøg hos en større brødproducent, som skulle have et nyt forretningssystem. Da vi gik rundt i produktionen, konstaterede min vært, at ”fire ud af ti af de her rugbrød bliver aldrig spist af mennesker.” Virksomheden lægger ganske vist mange kræfter i at optimere indkøb, produktion, logistik og salg. Men efterhånden har man erkendt, at selv enormt komplekse regneark og årelang erfaring er utilstrækkeligt til at løfte opgaven.

Resultatet er en konstant overproduktion, så man kan levere på ordrer afgivet i sidste øjeblik – og så der under alle tænkelige omstændigheder altid er brød på butikshylderne. Men om brødet så bliver solgt, ja, det er en anden sag.

I en anden virksomhed, jeg besøgte for nylig, producerer man færdigblandede, friske måltidssalater til detailhandlen. Her kommer de sidste ordrer ind samme formiddag, som færdigprodukterne skal køres ud til butikkerne. Derfor risikerer man et betydeligt råvarespild, hvis salget bliver mindre end ventet – og skal omvendt bestille råvarer i sidste øjeblik, når efterspørgslen peaker.

Skær gennem datatågen og forudse efterspørgslen

Løsningen er effektiv sales forecasting, der kan hjælpe med at skabe klarhed, når:

  • En stor del af produktionen planlægges på forkant – dvs. inden alle ordrer er modtaget.
  • Salget er afhængigt af både sæsonbetonede faktorer samt af f.eks. konkurrenters kædekampagner, der kan give store og uforudsigelige udsving i salget.
  • Forbrugerne stiller stadig større krav til udvalg, produktdiversificering, variation, sporbarhed, pakkestørrelser og en række andre faktorer, der gør produktion, logistik og sales forecasting mere kompleks.

Derfor er vi hos Columbus begyndt at arbejde langt mere målrettet med løsninger, der styrker fødevarevirksomheders evne til at automatisere behandlingen af historiske data, forudsige tendenser og automatisere konsekvensberegninger, så produktionen tilpasses de sandsynlige behov.

Machine Learning slår de erfarne planlæggere

Her spiller cloudbaseret Machine Learning som det, man får adgang til gennem Microsoft Dynamics 365 for Finance and Operations en stor rolle. Ganske enkelt fordi algoritmerne er overraskende gode til at identificere mønstre i efterspørgslen.

I en prøvekørsel hos en af vore industrielle kunder ramte algoritmerne tættere på den faktiske efterspørgsel end et sæt erfarne og særdeles kompetente forecastingspecialister i 100 ud af 100 forløb. Det er ret imponerende og kan gøre det lettere at ramme plet, uanset om man som fødevareproducent skal forecaste på salget af rugbrød, pålæg, frugt, kød eller mejeriprodukter. Vel at mærke på tværs af adskillige tusinde butikker og en håndfuld kæder med hver deres afsætningsmønstre, samhandelsaftaler og kundesegmenter.

Læg kursen om i en fart

Med en velfungerende brancheløsning bliver det også lettere at styre logistikken og overholde principper som f.eks. FEFO – First Expire First Out – så de varer med kortest holdbarhed sælges først. Dette kan kombineres med, at kædernes politik for restholdbarhed ved levering respekteres.

Endelig kan man lettere styre eller omlægge produktionen, når forudsætningerne pludselig ændrer sig og der skal skrues ned for blusset. Eksempelvis når en stor konkurrent kører kampagne med en landsdækkende supermarkedskæde, hvilket kan have stor betydning for ens eget salg.

Der er kort sagt ganske imponerende perspektiver, som ikke blot kan være med til at mindske madspildet og presset på vore fælles ressourcer. Men som også gør det muligt at styrke bundlinjen i samme ombæring.

Du kan læse mere om effektiv bekæmpning af madspild i produktionen her.

Er du interesseret i at vide mere?
Du kan også læse vores 2018 fødevarerapport, og få indsigt i hvordan du kan håndtere udfordringer i fødevareindustrien. Download rapporten her.

Emne

Kommenter indlæg

Recommended posts

Som kunde oplever man stadig alt for hyppigt at løbe panden mod virtuelle berlinmure mellem de fysiske butikker i en kæde og moderselskabets webshop.
Her står vi som sild i en tønde sammen med andre utålmodige mennesker, mens ekspedienten afmonterer alarmer fra tøjet, tager mod betaling og stadig mere presset forsøger at holde sig på omgangshøjde med utallige spørgsmål om tøjstørrelser, farver, lagerbeholdning og om der dog ikke snart åbner en kasse til, for det er da helt utroligt, at det skal tage så lang tid.
Mange kuldsejlede ERP-projekter kan undgås, hvis virksomheden planlægger strukturering, validering og migrering af sine eksisterende data i god tid.
Forretningssystemerne (ERP og CRM) er for alvor gået i skyen: Farvel til opslidende opgraderinger og dyre specialtilpasninger. Goddag til åbne platforme, mere brugervenlighed og mobilitet, hvor virksomheder nemmere kan drage fordel af teknologier som Machine Learning og Artificial Intelligence (AI).
Enterprise Asset Management handler om at kunne kontrollere din virksomheds fysiske aktiver gennem hele deres livscyklus.
right-arrow share search phone phone-filled menu filter envelope envelope-filled close checkmark caret-down arrow-up arrow-right arrow-left arrow-down