Potential benefits of information sharing for a producer in the Norwegian food supply chain

Abstract

Formål: Formålet med studien er å undersøke potensialet til informasjonsdeling for en produsent i den norske matverdikjeden .

Design: Formålet blir oppnådd gjennom et litteraturstudie som undersøker viktige emner og den empiriske bakgrunnen til den norske matverdikjeden og et case studie. Godteri og snacks produsenten Brynilds verdikjede er case studiet. Denne verdikjeden inneholder også grossist og detaljisten Rema. Denne case studien inneholder begge disse bedriftene. En kvantitativ datanalyse av Brynilds leveringsgrad og prognosenøyaktighet er undersøkt i tillegg til den prognosemodell for Brynild med og uten delte etterspørselsprognoser som ble generert i detaljistplanleggingsløsningen Relex. Studien skulle egentlig kvantifisere effekten av å dele ordreprognoser fra aktøren nedstrøms i verdikjeden. Grunnet mangel på tilgang til data ble heller effekten av å dele etterspørselsprognoser undersøkt for å vise et potensial ettersom ordreprognoser er vanligvis basert på mer data enn etterspørselsprognoser.

Funn: Basert på informasjonen fra case studiet og litteratur funnene, ble det designet en studie som er ment å undersøke effekten av å dele ordreprognoser generert i Relex systemet. Dette studiedesignet inneholder en beskrivelse av hvilke data, på hvilket aggregeringsnivå og horisont som kan brukes og hvilke analyser som kan gjennomføres for å undersøke effekten av informasjonsdeling for en produsent. Det viste seg at de integrerte aktørene grossister og detaljister ofte har tilgang på samme informasjon, men den eneste informasjonen som ofte deles med produsenten er ordre i tillegg til kampanjer, planlagte sesongvolum og data som kan kjøpes slik som point-of-sales data. Analysen av Brynilds leveringsgrad og prognosenøyaktighet identifiserte stabil og kampanjedrevet etterspørsel i tillegg til produktlanseringer som etterspørselstypene der informasjonsdeling hadde det største potensialet til å forbedre etterspørselsprognoser. Med et par unntak, forbedret delte etterspørselsprognoser nøyaktigheten til en tidsserie basert etterspørselsprognose for en produsent.

Begrensninger: Mangelen på data førte til at potensialet av å dele etterspørselsprognoser be undersøkt heller enn ordreprognoser, hvilket er en begrensning. Mangelen på data påvirket også resultatene ettersom mengden som var tilgjengelig for studien ikke var tilstrekkelig for å trene den tidsserie baserte prognosemodellen på sesongetterspørsel. En annen begrensning var at den tidsserie baserte prognosemodellen ikke var industristandard, men heller laget i Python kun for denne studien som dermed svekket gyldigheten til resultatene.

Verdi: Denne studien har bidratt til kunnskap gjennom å designe et detaljert studie på effekten av å dele ordreprognoser med en produsent i den norske matverdikjeden kan bli studert kvantitativt. Studien har også vist at å bruke delte etterspørselsprognoser i en statistisk etterspørselsprognosemodell, kan forbedre nøyaktigheten. Studien hadde tilgang til et "state-of-the-art"\-planleggingssystem og ekte data til å generere de delte etterspørselsprognosene som gjorde resultatene mer gyldige. Studien identifiserte også for hvilke etterspørslestyper de mulige fordelene med informasjonsdeling var størst for en produsent i den norske matverdikjeden.

Purpose: The purpose of this study is to investigate the potential of information sharing for the producer in the Norwegian food supply chain.

Design: The purpose is achieved through a literature study of key topics and the empirical background of the Norwegian food supply chain and a case study. The snacks and confectionery producer Brynild's supply chain is the case study. This supply chain also contains the company Rema which is a wholesaler and retailer. In the case study, both these companies are studied. A quantitative data analysis of Brynild's service levels and forecasting accuracy was studied along with a demand forecast model for Brynild with and without shared demand forecasts based on point-of-sales data from Rema. The Rema demand forecasts was generated in the retail planning solution Relex.The study was meant study the effects of sharing order projections from the actor downstream in the supply chain. However, due to a lack of access to data, the effects of sharing demand forecasts were rather studied to prove the potential as order projections are usually based on more informaiton than demand forecasts.

Findings: Based on the information from the case study and literature findings, a study on how the effect of sharing order projections generated in the Relex system was designed. This study design contains a description of data at what granularity and at what horizons can be used and what analyses can be conducted to investigate the effects of information sharing for a producer. It was uncovered that the integrated actors wholesalers and retailers usually have access to the same information while the information shared with producers is often just orders as well as campaigns, planned seasonal volumes and data which may be purchased such as point-of-sales data. The analysis of Brynild's service levels and forecast accuracy identified stable and campaign-driven demand and product launches as the demand types with the greatest potential of improving demand forecasting with information sharing. Shared demand forecasts, with a few exceptions, generally improved the accuracy of a time-series-based demand forecast for a producer.

Research limitations: A lack of data lead to examining the potential of sharing demand forecasts rather than order projections, which is one limitation. This lack of data also affected the study results as the amount available to the study was not sufficient to properly train the time-series based forecast model on seasonal demand. Another limitation is that the time-series based demand forecast was not an industry standard solution but rather made in python just for this study which thereby reduced the validity of the results in a real world scenario.

Value: The study have contributed to knowledge through designing a detailed study of how the value of sharing order projections with a producer in the Norwegian food supply chain could be quantitatively studied. The study have also shown that using shared demand forecasts in a statistical demand forecasting model can increase forecast accuracy. The study had access to a state-of-the-art planning solution and real-world data to generate the shared demand forecasts, making the results more valid in a real-world situation. The study have also identified for which demand types the potential benefits of information sharing may be the greatest for a producer in the Norwegian food supply chain.