Strateg för leveranskedja

Bygg ett datastyrt system för analys och optimering av leveranskedjan via OpenClaw Ultra. Från lagerhantering till efterfrågeprognos till leverantörsbedömning till riskövervakning — hantera hela din leveranskedjedrift från ett enda chattgränssnitt.

Systemöversikt

INFO

Detta är en sluten loop arbetsflöde för leveranskedjehantering. OpenClaw Ultra analyserar dina lagerdata, förutser efterfrågan, optimerar lager nivåer, bedömer leverantörer, övervakar risker och genererar åtgärdsbara rapporter — så att du kan fatta databaserade beslut om leveranskedjan.

Systemlager	Kärnfunktion	Slutresultat
Datainsamlingslager	Import av ERP/Excel/CSV-data, rensning och normalisering	Strukturerat leveranskedjedataset
Efterfrågeprognosanalys	Historisk trendanalys, säsongsdetektering, prediktionsmodellering	Efterfrågeprognos per SKU och period
Lageroptimeringslager	ABC-klassificering, beräkning av säkerhetslager, inställning av återbeställningspunkt	Optimerade lagerparametrar
Leverantörsbedömningslager	Prestationspoäng, ledtidanalys, kvalitetsspårning	Leverantörspoängkort och rankningar
Riskövervakningslager	Lager sinar-varningar, ledtidavvikelse, detektering av leveransstörning	Riskvarningar och avhjälpningsplaner
Rapporteringslager	Dashboardgenerering, KPI-spårning, sammanfattningar för ledningen	Veckovis/månadsvis leveranskedjerapport

Förutsättningar

Objekt	Krav
OpenClaw Ultra	Installerat och körningsbart
Lagerdata	CSV/Excel-export med SKU, kvantitet, plats, datum
Försäljningsdata (Rekommenderat)	Historiska försäljningsregister för efterfrågeprognos
Leverantörsdata (Valfritt)	Leverantörslista med ledtider, priser, prestationshistorik
Affärsparametrar	Mål servicenivå, acceptabel risk för lagersvinn, budgetbegränsningar

Steg 0 — Initiera ditt leveranskedjesystem

Konfigurera OpenClaw Ultra som din dedikerade leveranskedjeanalytiker.

Driftsteg

1. Öppna en ny chattsession OpenClaw Ultra
2. Förbered dina datafiler (CSV/Excel)
3. Klistra in initieringsprompten

Redo att använda prompt

Fungera som min leveranskedjestrat och analytiker.

Min verksamhet:
- Bransch: [detaljhandel / tillverkning / e-handel / grossist]
- Produkttyp: [lättfördärvlig / ej lättfördärvlig / säsongsbetonad / standard]
- Antal SKU: [ungefärligt antal]
- Platser: [lager, butiker, regioner]

Mina mål:
- Minska lagersvinn till under [X]%
- Optimera lagerhållningskostnader
- Förbättra leverantörstillförlitlighet
- Bygga leveranskedjans motståndskraft

Data jag kan tillhandahålla:
- Lagersnapshots (CSV/Excel)
- Försäljningshistorik (CSV/Excel)
- Leverantörsinformation (om tillgängligt)

Bygg ett komplett leveranskedjehanteringssystem som täcker:
- import och analys av data
- efterfrågeprognos
- lageroptimering
- leverantörsbedömning
- riskövervakning
- automatiserad rapportering

Steg 1 — Importera & Analysera leveranskedjedata

Ladda dina data och etablera baslinjeprestanda.

1.1 Dataimport

Prompt

Importera och analysera min leveranskedjedata:

Lagerfil: [klistra in data eller ladda upp CSV]
Kolumner: SKU, Produktnamn, Kvantitet, Plats, Senast uppdaterad

Försäljningshistorik: [klistra in data eller ladda upp CSV]
Kolumner: Datum, SKU, Sald kvantitet, Intäkt

Uppgifter:
1. Rensa data (ta bort dubbletter, korrigera formatering)
2. Validera datakvalitet (saknade fält, avvikelsevärden)
3. Generera sammanfattande statistik
4. Identifiera datagluckor som behöver uppmärksamhet

1.2 Baslinjeprestanda

Prompt

Beräkna grundläggande leveranskedjeprestanda från min data:

Lagerprestanda:
- Totalt antal SKU: [X]
- Totalt lagervärde: [X]
- Genomsnittliga försörjningsdagar: [X]
- SKU under minimilager: [lista]
- Överlager SKU: [lista]

Försäljningsprestanda:
- Total intäkt (senaste 12 månaderna): [X]
- Topp 10 SKU per intäkt
- Botten 10 SKU per intäkt
- Identifierade säsongsvariationer

Utdata: baslinjedashboard med nyckelfynd.

Steg 1 Utdata

Ren datamängd med baslinjeprestanda och initiala insikter.

Steg 2 — Efterfrågeprognos

Förutspå framtida efterfrågan för att informera lagerbeslut.

2.1 Historisk trendanalys

Prompt

Analysera efterfrågemönster i min försäljningsdata:

För varje topp-SKU (topp 20 per intäkt):
- Månatlig försäljningstrend (senaste 12 månaderna)
- Säsongsdetektering (toppmånader, lågmånader)
- Tillväxttakt (månad till månad, år till år)
- Efterfrågevariabilitet (variationskoefficient)

Identifiera:
- SKU med stabil efterfrågan (förutsägbar)
- SKU med volatil efterfrågan (behöver säkerhetslager)
- SKU med nedåtgående trend (potentiell avveckling)
- SKU med tillväxttrend (behöver ökat lager)

2.2 Efterfrågeprognosgenerering

Prompt

Generera efterfrågeprognoser för de kommande [3/6/12] månaderna:

För varje SKU, prognosticera:
- Förväntad månatlig efterfrågan
- Konfidensintervall (låg / förväntad / hög)
- Rekommenderad beställningskvantitet
- Använd prognosmetod (glidande medelvärde, säsongsbetonad, trend)

Utdataformat:
| SKU | Produkt | Månad 1 | Månad 2 | Månad 3 | Metod | Förtroende |

Prioritera noggrannhet för topp-intäkt SKU.

Steg 2 Utdata

Efterfrågeprognoser på SKU-nivå med konfidensintervall.

Steg 3 — Optimera lagerparametrar

Ställ in optimala lagernivåer baserat på efterfrågan och servicemål.

3.1 ABC-klassificering

Prompt

Utför ABC-klassificering på mitt lager:

Klassificeringskriterier:
- A-artiklar: Topp 80% av intäkter (strikt kontroll, frekvent granskning)
- B-artiklar: Nästa 15% av intäkter (måttlig kontroll)
- C-artiklar: Botten 5% av intäkter (minimal kontroll)

För varje klass, utdata:
- Antal SKU och procent
- Totalt lagervärde och procent
- Rekommenderad granskningsfrekvens
- Rekommenderat servicenivåmål

Utdata: ABC-klassificeringstabell med åtgärdsrekommendationer.

3.2 Säkerhetslagerberäkning

Prompt

Beräkna säkerhetslagernivåer för mina SKU:

Parametrar:
- Målservicenivå: [95% / 98% / 99%]
- Ledtid: [genomsnitt X dagar, standardavvikelse Y dagar]
- Efterfrågevariabilitet: [från historisk data]

För varje SKU, beräkna:
- Genomsnittlig daglig efterfrågan
- Standardavvikelse för efterfrågan
- Ledtidvariabilitet
- Säkerhetslagerkvantitet
- Återbeställningspunkt (säkerhetslager + ledtidsefterfrågan)

Utdata: säkerhetslagertabell med återbeställningspunkter.

3.3 Rekommendationer för återbeställningspolicy

Prompt

Rekommendera återbeställningspolicy för varje lagerklass:

A-artiklar:
- Granskningscykel: [kontinuerlig / veckovis]
- Beställningspolicy: [EOQ / fast intervall / min-max]
- Målförsörjningsdagar: [X dagar]

B-artiklar:
- Granskningscykel: [tvåveckors / månatlig]
- Beställningspolicy: [föreslagen]
- Målförsörjningsdagar: [X dagar]

C-artiklar:
- Granskningscykel: [månatlig / kvartalsvis]
- Beställningspolicy: [föreslagen]
- Målförsörjningsdagar: [X dagar]

Generera en återbeställningspolicymatris med specifika parametrar.

Steg 3 Utdata

Optimerade lagerparametrar med ABC-klassificering, säkerhetslager och återbeställningspunkter.

Steg 4 — Bedöm leverantörer

Poängsätt och rangordna leverantörer baserat på prestationsdata.

4.1 Leverantörspoängkort

Prompt

Skapa leverantörspoängkort baserat på min data:

Leverantörsdata: [klistra in eller ladda upp]

Bedömningskriterier:
- Leverans i tid (%)
- Kvalitetsacceptans (%)
- Ledtidkonsistens (dagar, varians)
- Priskonkurrenskraft (jämfört med marknaden)
- Kommunikationsrespons

För varje leverantör, beräkna:
- Totalpoäng (viktat medelvärde)
- Rankning bland alla leverantörer
- Styrkor och svagheter
- Rekommenderad åtgärd (bibehåll / utveckla / avveckla gradvis)

Utdata: leverantörspoängtabell med poäng och rekommendationer.

4.2 Leverantörsriskbedömning

Prompt

Bedöm leveransrisken för varje leverantör:

Riskfaktorer:
- Enskild källberoende (finns det alternativ?)
- Geografisk risk (politisk, naturkatastrof, logistik)
- Finansiell stabilitetsindikatorer
- Ledtidtillförlitlighet
- Kvalitetskonsistens

För varje leverantör:
- Risknivå: Låg / Medel / Hög
- Nyckelriskfaktorer
- Avhjälpningsrekommendationer
- Förslag på alternativa leverantörer (vid hög risk)

Utdata: leverantörsriskmatris med avhjälpningsplaner.

Steg 4 Utdata

Leverantörspoängkort med rankningar och riskbedömningar.

Steg 5 — Övervaka risker & Varningar

Konfigurera proaktiv övervakning av leveranskedjestörningar.

5.1 Övervakning av risk för lagersvinn

Prompt

Konfigurera övervakning av risk för lagersvinn:

För varje SKU, övervaka:
- Nuvarande lager vs. säkerhetslagernivå
- Dagar till lagersvinn (baserat på aktuell efterfrågan)
- Inkommande beställningar (om tillgängligt)
- Risknivå: Säker / Bevakning / Kritisk / Slut

Varningsregler:
- Bevakning: lager under 1,5x säkerhetslager
- Kritisk: lager under säkerhetslager
- Slut: nollager

Generera aktuell riskrapport och konfigurera återkommande övervakning.

5.2 Detektering av leveransstörning

Prompt

Konfigurera detektering av leveransstörning:

Övervaka:
- Ledtider som överskrider historiskt genomsnitt med [X]%
- Leverantörsleveransförseningar bortom [X] dagar
- Kvalitetsavvisningsfrekvenser över [X]%
- Prisökningar över [X]%
- Varningar för enskild käll-SKU

Vid detektering av störning:
- Varningsnivå: [Låg / Medel / Hög / Kritisk]
- Rekommenderat svar: [bevakna / påskynda / byt leverantör / säkerhetslageruttag]
- Eskaleringssökväg: [meddela / rekommendera åtgärd / automatiskt svar]

Utdata: aktuell störningsstatus och övervakningskonfiguration.

Steg 5 Utdata

Riskövervakningssystem med varningströsklar och svarsprotokoll.

Steg 6 — Generera leveranskedjerapporter

Skapa åtgärdsbara rapporter för beslutsfattande.

6.1 Veckovis driftsrapport

Prompt

Generera min veckovisa driftsrapport för leveranskedjan:

Inkludera:
- Sammanfattning av lagerhälsa (totalt värde, omsättning, antal svinn)
- Topp 10 SKU som behöver uppmärksamhet (lågt lager, överskott, långsamma)
- Leverantörsprestanda denna vecka (leveranser, förseningar, kvalitet)
- Riskvarningar som utlösts och lösts
- Efterfrågeprognosens noggrannhet (prognostiserat vs. faktiskt)
- Rekommenderade åtgärder för nästa vecka

Format: ledningssammanfattning + detaljerade tabeller.

6.2 Månatlig strategisk rapport

Prompt

Generera min månatliga strategiska rapport för leveranskedjan:

Inkludera:
- KPI-dashboard (lageromsättning, fyllnadsgrad, svinnfrekvens, hållningskostnad)
- ABC-klassificeringsändringar (artiklar som flyttar mellan klasser)
- Leverantörsrangordningsuppdateringar
- Trender i efterfrågeprognosens noggrannhet
- Identifierade möjligheter till kostnadsoptimering
- Strategiska rekommendationer för nästa månad

Format: beskrivning av dashboardvisualisering + narrativ analys.

Steg 6 Utdata

Regelbundna leveranskedjerapporter med åtgärdsbara insikter.

Slutgiltigt sluten loopo leveranskedje arbetsflöde

Data importerad → Baslinje etablerad → Efterfrågan prognostiserad →
Lager optimerat → Leverantörer bedömda → Risker övervakade →
Rapporter genererade → Beslut fattade → Data uppdaterad → Nästa cykel

Praktiska användningstips

1. Börja med dina topp 20 SKU per intäkt — optimera de vitala före de triviala
2. Uppdatera lagerdata minst veckovis — föråldrad data leder till dåliga beslut
3. Säkerhetslager är försäkring — skär inte ner det för att spara hållningskostnader, lagersvinn kostar mer
4. Granska leverantörspoängkort kvartalsvis, inte bara när problem uppstår
5. Använd ABC-klassificering för att fördela din lednings uppmärksamhet, inte bara lagerbudget
6. Spåra prognosens noggrannhet över tid — förbättra dina modeller baserat på vad du lär dig
7. Bygg relationer med reservleverantörer innan du behöver dem