Hvad er en god lagernojagtighed?

Best practice er 99% eller derover. Operationer med 97-99% anses for solide. Under 95% er problematisk og medforer typisk overbestilling, fejlpluk og hoje manuelle korrektionsomkostninger.

Hvad er forskellen pa cycle counting og arlig lageroptaelling?

Cycle counting er lobende optaelling af en lille andel af lageret hver dag, mens den arlige optaelling taeller alt pa en gang. Cycle counting opdager fejl inden for dage og identificerer arsagerne.

Fundamentals

Hvad er lagernøjagtighed (inventory accuracy)? Sådan måler og forbedrer du den

Q: Kan jeg forbedre lagernojagtighed uden et WMS?

Ja, op til et niveau. Med scan-bekraeftelse ved modtagelse, integreret returflow og daglig cycle counting i Excel kan de fleste operationer na 95-97% accuracy uden WMS.

Q: Hvad er de mest almindelige arsager til lav lagernojagtighed?

De fem hyppigste arsager er: modtagelsesfejl, returvarer der ikke opdaterer systemet, fejlpluk fra forkert lokation, manuelle justeringer uden arsagskode og forkert variantstruktur.

9. maj 2025~6 min

Systemet siger 47 enheder. Hylden er tom.

Kunden bestilte i går. Leveringstid 2 dage. Nu ringer salg og siger 9 dage.

Det opdager I først når plukkeren står foran lokationen.

Kunden annullerer. 18.400 kr. tabt. Plus en B2B-kunde der bestilte hver måned i 3 år. Det er ikke første gang denne måned.

Inventory accuracy er forskellen mellem hvad systemet siger og hvad der fysisk står på hylden. Når den er under 95%, arbejder hele virksomheden på forkerte forudsætninger: indkøb overbestiller, salg lover hvad I ikke har, og pluk bruger timer på at lede efter varer der ikke findes.

Hvad er lagernøjagtighed, og hvordan beregner du den?

Lagernøjagtighed måler hvor stor en andel af dine varenumre der har korrekt beholdning i systemet sammenlignet med den fysiske beholdning på lageret. Formlen er enkel:

Inventory Accuracy (%) = (Varenumre med korrekt beholdning / Totalt antal varenumre talt) × 100

Et eksempel: Du tæller 500 varenumre. 463 stemmer mellem system og fysisk lager. Din accuracy er 463/500 × 100 = 92,6%.

👉 Vil du se hvordan SmartPack holder din lagernøjagtighed over 99%? Book en gratis demo

Der er to måder at definere "korrekt" på, og valget påvirker din score markant:

Binær: enten korrekt eller forkert. Systemet siger 240, du tæller 239. Det tæller som forkert. Streng, men den eneste måde der giver mening for planlægning.
Tolerance-baseret: acceptabelt inden for X%. Systemet siger 240, du tæller 239. Inden for 1% tolerance tæller det som korrekt. Bruges til bulk-varer og råvarer, men skjuler strukturelle problemer.

Mål binært. Enten korrekt eller forkert. Systemet siger 240, du tæller 239 = forkert. Tolerance-baseret accuracy kan bruges til bulk-varer som supplement, men aldrig som eneste mål.

Hvad er god lagernøjagtighed, og hvad koster det at ligge under?

90% accuracy lyder acceptabelt. Det betyder kun 1 ud af 10 varenumre er forkert. Men den ene forkerte vare kan være din bestseller. Og fejlen opdager du først når kunden har bestilt. Her er hvad forskellige niveauer faktisk betyder:

Accuracy-niveau	Hvad det betyder i praksis	Typisk konsekvens
Under 85%	Over 1 ud af 7 varenumre er forkert i systemet	Hyppige stockouts, manuelle korrektioner dagligt, lav kundetilfredshed
85-92%	Synlige huller i lagerdata, men drift er mulig	Overbestilling som buffer, 3-5% spild på grund af fejlpluk
92-97%	Funktionelt niveau for manuelle operationer	Lejlighedsvise forstyrrelser, kan drives uden WMS ved lavt volumen
97-99%	Solidt niveau, egnet til automatisering	Få manuelle korrektioner, god grundlag for forecastning
99%+	Best practice for seriøse lageroperationer	Tillid til systemdata, minimal sikkerhedsbeholdning nødvendig

Når accuracy falder under 92%, begynder virksomheder at kompensere med sikkerhedsbeholdning. 8% ekstra buffer på et 3 mio. kr. lager koster 19.200 kr./år i kapitalomkostninger. Det er symptombehandling af et dataproblem.

Hvad koster lav accuracy? Konkret regnestykke

Post	Beregning	årligt beløb
Ekstra sikkerhedsbeholdning (8% ekstra på 3 mio. kr. lager)	3.000.000 × 0,08 × 0,08 (kapitalomkostning)	19.200 kr.
Fejlpluk og omlevering (2% af 15 mio. kr. omsætning)	15.000.000 × 0,02 × 0,30 (håndteringsomkostning)	90.000 kr.
Manuelle korrektioner (3 timer/dag × 52 uger × 350 kr.)	3 × 5 × 52 × 350	273.000 kr.
Mistede salg ved stockouts (1,5% af omsætning)	15.000.000 × 0,015	225.000 kr.
Total årlig cost ved 90% accuracy		607.200 kr.

Det tal overrasker de fleste. Problemet er at omkostningerne er usynlige: de gemmer sig i arbejdstimer, ekstra beholdning og tabt salg der aldrig registreres som en linje i regnskabet.

Hvad ødelægger lagernøjagtigheden? De 5 hyppigste årsager

Accuracy forsvinder ikke tilfældigt. Der er systematiske årsager bag, og de samme 5 går igen i stort set alle lageroperationer:

1. Modtagelsesfejl

Leverandøren sender 144 enheder. Modtageren scanner én kasse og registrerer 12. Resten tæller manuelt og skriver 144 på en seddel der ikke scannes. Systemet siger 12. Lageret har 144. Du opdager det næste gang du skal plukke.

Fix: Scan eller tæl altid ved modtagelse. Brug to-persons check ved store leverancer. Tillad aldrig manuel registrering uden systemindtastning.

2. Returvarer uden korrekt registrering

Kunden returnerer 3 enheder. De lander i returzonen. Godkendes efter 5 dage. Lægges tilbage på lager uden at systemet opdateres. Systemet er nu 3 enheder for lav. Sker det 20 gange om måneden, mister du 60 enheder i accuracy per måned.

Fix: Integrer returflowet direkte i WMS. Ingen vare rører lagerhylden uden at systemet er opdateret.

3. Fejlpluk og omplacering

En plukker tager fra forkert lokation. Sender den rigtige vare, men systemet trækker fra en anden lokation. To varenumre er nu forkerte i systemet. Sker det 10 gange om dagen på 200 ordrer, er 5% af dine transaktioner fejlbehæftede.

Fix: Scan-bekræftelse ved pluk. Systemet skal kræve scanning af lokation og varenummer inden pluk bekræftes.

4. Justeringer uden dokumentation

En medarbejder opdager en difference og retter den manuelt i systemet uden at notere årsagen. Tallet er nu korrekt, men du ved ikke hvorfor det var forkert. Problemet gentager sig næste måned.

Fix: Alle justeringer skal have årsagskode: beskadiget vare, tyveri, modtagelsesfejl, plukfejl. Analyser årsagskoderne månedligt.

5. Produktomdøbning og variantstyring

Du sælger rød t-shirt i S, M og L. Nogen opfatter dem som én vare og registrerer alle tre størrelser under samme varenummer. Systemet viser 90 enheder. I virkeligheden er der 30 af hver størrelse. Første gang en kunde bestiller M i en bestemt farve, viser systemet 90 tilgængelige. Du har måske 0.

Fix: Én SKU per unik salgsenhed. Ingen undtagelser. Valider variantstruktur ved onboarding af nye varer.

Det de fleste opdager for sent

Accuracy-problemer vokser gradvist. De fleste opdager dem først når konsekvenserne allerede koster 40.000+ kr./måned. Her er de tre ting der virker fint , indtil de ikke gør:

1. "Vi tæller ved årsafslutning, det har altid været nok"

Fungerer fint til regnskabet. Opdager fejl 6-12 måneder efter de opstod. Du ved ikke hvornår SKU #2847 blev forkert, om det var modtagelse eller pluk, eller om det sker hver måned. Næste år gentager fejlen sig. Du tæller igen. Retter igen. Lærer ingenting.

Opdages når: Fejlpluk-raten stiger til 4-5%. Plukkerne stoler ikke på systemet længere og går efter hukommelse. Fejlraten stiger yderligere.

2. "Vi har Excel-ark til korrektioner, det fungerer"

Fungerer ved 20-30 ordrer/dag. Ved 80+ ordrer/dag bruger én medarbejder 3 timer dagligt på at rette systemfejl manuelt. Det er 15 timer/uge = 780 timer/år = 273.000 kr. i lønomkostninger til at rette fejl der ikke burde eksistere.

Opdages når: I ansætter en ekstra person "til at holde styr på lageret". Problemet er ikke kapacitet. Det er processen.

3. "Vi bestiller lidt ekstra for en sikkerheds skyld"

Kompenserer for lav accuracy med 8-12% ekstra sikkerhedsbeholdning. Virker , indtil lageret er fuldt. Så lejer I ekstra lagerplads til 4.500 kr./måned. Efter 18 måneder har I betalt 81.000 kr. for at opbevare buffer-lager der kun eksisterer fordi systemdata er upålidelige.

Opdages når: I overvejer at flytte til større lokaler. Problemet er ikke pladsen. Det er dataene.

Sådan måler du lagernøjagtighed korrekt: cycle counting vs. årlig optælling

Der er to fundamentalt forskellige tilgange til at måle og vedligeholde accuracy. De fleste vælger den forkerte.

årlig lageroptælling: det klassiske valg

En gang om året tælles alt. Lageret lukker i 1-3 dage. Alle medarbejdere tæller. Resultatet indberettes til regnskabet.

Problemet: du opdager fejl et år efter de opstod. Du ved ikke hvornår, hvorfor eller hvem der skabte fejlen. Du kan ikke forebygge det. Og næste år gentager det sig.

Brug kun den årlige optælling til regnskabsformål. Brug den aldrig som din primære accuracy-metode.

Cycle counting: den rigtige tilgang

Cycle counting betyder at du tæller en lille del af lageret løbende, hele året. I stedet for at tælle alt en gang, tæller du 20-50 varenumre om dagen, hver dag.

Fordele:

Du opdager fejl inden for dage, ikke måneder
Du identificerer hvilke varenumre der konstant er forkerte og kan undersøge årsagen
Lageret lukker aldrig ned for optælling
Du kan prioritere: tæl A-varer (høj omsætning) hyppigt, C-varer sjældnere

Cycle counting frekvens baseret på ABC-analyse

Kategori	Andel af varenumre	Andel af omsætning	Anbefalede optælling
A-varer	10-20%	70-80%	Månedligt eller ugentligt
B-varer	30-40%	15-25%	Kvartalsvis
C-varer	40-60%	5-10%	Halvårligt eller ved mistanke

En operation med 1.000 varenumre kan dække alle A-varer månedligt og alle C-varer halvårligt med 15-20 minutters daglig optælling. Det kræver ingen lukkedage og giver løbende indblik i accuracy.

Trin-for-trin: Sådan forbedrer du accuracy fra 90% til 99%

Forbedring af lagernøjagtighed sker ikke ved at tælle mere. Det sker ved at fjerne årsagerne til fejlene. Her er den rækkefølge der virker:

Fase 1: Mål baseline (uge 1-2)

Tel 100 tilfældige varenumre. Registrer alle differencer og årsagskoder.
Beregn din nuværende accuracy. Det er dit udgangspunkt.
Identificer de 10 varenumre med størst absolut difference. De fortæller dig hvor problemet sidder.

Fase 2: Fjern de største årsager (uge 3-8)

Implementer scan-bekræftelse ved modtagelse. Ingen vare på lager uden scanning.
Integrer returflow. Returer opdaterer systemet inden de fysisk lægges på plads.
Indfør årsagskoder på alle justeringer. Ingen fri-tekst justeringer.

Fase 3: Vedligehold med cycle counting (løbende)

Start daglig cycle counting. 20-30 varenumre om dagen.
Analyser årsagskoder ugentligt. Hvilken fejltype dominerer denne uge?
Mål accuracy månedligt. Sammenlign med foregående måned.

De fleste operationer ser en forbedring fra 90% til 95-96% inden for 8 uger, og 97-99% inden for 6 måneder, hvis alle tre faser gennemføres.

Hvornår skal du handle? 7 trigger-points der kræver handling nu

Lagernøjagtighed forværres gradvist. De fleste opdager det for sent. Her er de konkrete signaler der betyder: gør noget nu, ikke næste kvartal.

1. Du bruger over 2 timer/dag på manuelle korrektioner

Hvis en medarbejder bruger mere end 25% af sin tid på at rette systemfejl, er problemet ikke medarbejderen. Det er processen. Beregn timeprisen: 2 timer × 350 kr. × 220 arbejdsdage = 154.000 kr./år. Det er prisen for at ignorere problemet.

Handling: Start cycle counting i dag. Identificer de 10 varenumre med flest korrektioner og find årsagen inden for 1 uge.

2. Din accuracy er under 92% i to måneder i træk

Under 92% betyder at mere end 1 ud af 12 varenumre er forkert. Det er ikke en midlertidig afvigelse. Det er et strukturelt problem der forværres hver måned du venter.

Handling: Mål baseline nu. Tæl 100 tilfældige varenumre. Registrer årsagskoder. Implementer scan-bekræftelse ved modtagelse inden for 2 uger.

3. Du har stockouts på varer systemet viser som "på lager"

Kunden bestiller. Systemet bekræfter. Plukkeren finder ingenting. Du opdager det først når ordren skal pakkes. Sker det mere end 2 gange om ugen, mister du 8+ ordrer om måneden. Ved gennemsnitlig ordreværdi på 1.200 kr. er det 115.200 kr. tabt omsætning om året.

Handling: Integrer returflow direkte i systemet. Ingen vare må røre lagerhylden uden at systemet opdateres først.

4. Du overbestiller "for en sikkerheds skyld"

Når du ikke stoler på systemdata, kompenserer du med ekstra beholdning. 8% ekstra sikkerhedsbeholdning på et lager til 3 mio. kr. koster 19.200 kr. årligt i kapitalomkostninger + lagerplads. Det er symptombehandling af et accuracy-problem.

Handling: Beregn din faktiske sikkerhedsbeholdning. Sammenlign med hvad den burde være ved 99% accuracy. Forskellen er din årlige cost of inaction.

5. Fejlpluk-raten er over 2%

Mere end 2 fejl per 100 ordrer indikerer at plukkerne ikke kan stole på lokationsdata. De plukker fra hukommelse eller gætter. Ved 200 ordrer/dag og 850 kr. i returhåndtering per fejl: 4 fejl/dag × 220 dage = 748.000 kr./år.

Handling: Kræv scanning af både lokation og varenummer ved pluk. Ingen undtagelser. Implementer det i morgen.

6. Den årlige lageropgørelse viser over 5% afvigelse

Hvis den årlige optælling afslører at systemet er 5%+ forkert, har problemet eksisteret i måneder. Du har opereret på forkerte forudsætninger hele året. Genbestilling, forecasting og kundeløfter har været baseret på forkerte tal.

Handling: Skift fra årlig optælling til daglig cycle counting. Start i morgen med 20 varenumre/dag. Opdager fejl inden for dage, ikke måneder.

7. Du ansætter ekstra folk for at "holde styr på lageret"

Når løsningen på lagerproblemer er en ekstra medarbejder til at tælle, rette og tjekke, er det ikke et kapacitetsproblem. Det er et systemproblem. En ekstra medarbejder til 320.000 kr./år + overhead = 400.000 kr. Det er dyrt plaster på et billigt sår.

Handling: Før du ansætter: mål accuracy, implementer cycle counting og fjern de 3 største årsager til fejl. Vurder om du stadig har brug for ekstra kapacitet efter 8 uger.

Hvornår giver SmartPack mening for lagernøjagtighed?

SmartPack automatiserer scanning, cycle counting og årsagskode-tracking. Men det løser ikke problemet for alle. Her er den ærlige grænse:

SmartPack giver mening når:

Du håndterer 100+ ordrer/dag og manuelle processer ikke kan følge med
Du har 500+ unikke varenumre og cycle counting i Excel tager over 2 timer/dag
Din accuracy er under 95% og du har implementeret scan-bekræftelse uden forbedring
Du bruger mere end 2 timer/dag på manuelle korrektioner

SmartPack giver IKKE mening når:

Du har under 30 ordrer/dag , Excel + stregkodescanner er billigere og tilstrækkeligt
Du har under 200 varenumre , du kan tælle hele lageret på 2 timer hver uge
Din accuracy er over 98% med nuværende processer , behold dem
Du ikke scanner ved modtagelse endnu , fix processen først, køb software bagefter

Hvad koster alternativet?

Løsning	Opsætning	Løbende cost/måned	Opnåelig accuracy	Egnet til
Manuel optælling + Excel	0 kr.	8.750 kr. (5-10 timer/uge à 350 kr.)	88-93%	Under 30 ordrer/dag
Stregkodescanner + Excel-log	5.000-15.000 kr.	5.250 kr. (3-5 timer/uge)	93-97%	30-100 ordrer/dag
WMS som SmartPack	25.000-50.000 kr.	1.750 kr. (0-1 timer/uge, automatisk)	98-99,5%	100+ ordrer/dag

Beslutningsregel: Beregn hvad 1% forbedring i accuracy sparer dig i reduceret sikkerhedsbeholdning + færre fejlordrer. Hvis det er over 3.000 kr./måned, tjener SmartPack sig ind på under 12 måneder. Hvis ikke, bliv ved Excel indtil volumen stiger.

Denne artikel er skrevet af SmartPack-teamet baseret på erfaring fra lageroperation siden 2005. Indholdet er generelt vejledende og bør tilpasses din specifikke situation. Kontakt os for konkret rådgivning.

Vil du have styr på din lagernøjagtighed med automatisk cycle counting og real-time korrektioner?

Book gratis demo

Ofte stillede spørgsmål

Hvad er en god lagernøjagtighed?

Best practice er 99% eller derover. Operationer med 97-99% anses for solide. Under 95% er problematisk og medfører typisk overbestilling, fejlpluk og høje manuelle korrektionsomkostninger. De fleste umodne lageroperationer starter på 85-92% og forbedrer sig til 97%+ inden for 6-12 måneder med systematisk cycle counting og procesfix.

Hvad er forskellen på cycle counting og årlig lageroptælling?

Cycle counting er løbende optælling af en lille andel af lageret hver dag, mens den årlige optælling tæller alt på en gang. Cycle counting opdager fejl inden for dage og identificerer årsagerne. Den årlige optælling opdager fejl op til 12 måneder efter de opstod og giver ingen information om årsag. Cycle counting er den eneste metode der faktisk forbedrer accuracy over tid.

Kan jeg forbedre lagernøjagtighed uden et WMS?

Ja, op til et niveau. Med scan-bekræftelse ved modtagelse, integreret returflow og daglig cycle counting i Excel kan de fleste operationer nå 95-97% accuracy uden WMS. Over 100 ordrer om dagen begynder manuelle processer at fejle konsekvent, og et WMS er nødvendigt for at nå og holde 99%+.

Hvad er de mest almindelige årsager til lav lagernøjagtighed?

De fem hyppigste årsager er: modtagelsesfejl (forkert antal registreret), returvarer der ikke opdaterer systemet, fejlpluk fra forkert lokation, manuelle justeringer uden årsagskode og forkert variantstruktur. Modtagelsesfejl og returvarer tegner sig alene for 60-70% af accuracy-tab i de fleste operationer.