{"id":110696,"date":"2026-10-26T05:46:07","date_gmt":"2026-10-26T05:46:07","guid":{"rendered":"https:\/\/skyplanner.ai\/?p=110696"},"modified":"2026-10-26T05:48:26","modified_gmt":"2026-10-26T05:48:26","slug":"xyz-analyse","status":"publish","type":"post","link":"https:\/\/skyplanner.ai\/no\/ressurser\/xyz-analyse\/","title":{"rendered":"XYZ-analyse: Tilpass lagerstyringen til variasjoner i ettersp\u00f8rselen"},"content":{"rendered":"
\n\n

XYZ-analyse: Tilpass lagerstyringen til variasjoner i ettersp\u00f8rselen<\/h1>\n\n
\n\n

Hjem<\/a> » Ressurser<\/a> » XYZ-analyse: Tilpass lagerstyringen til variasjoner i ettersp\u00f8rselen<\/p>\n\n\n

<\/path><\/svg><\/span><\/span>Estimert lesetid: <\/span>11<\/span> minutter<\/span><\/p>\n\n<\/div>\n

\n\n

To komponenter kan ha samme gjennomsnittlige forbruk, men trenge helt ulike rutiner for etterfylling. Den ene tas jevnt ut fra lageret hver uke. Den andre blir liggende ur\u00f8rt til en stor kundeordre bruker opp flere m\u00e5neders forbruk p\u00e5 \u00e9n gang. Bestiller du begge ut fra samme gjennomsnitt, risikerer du overskuddslager for den ene og mangel p\u00e5 den andre.<\/p>\n\n\n

XYZ-analyse hjelper deg \u00e5 se denne forskjellen. Den grupperer artikler etter hvordan forbruket varierer over tid, slik at du kan skille rutinemessig etterfylling fra deler der ettersp\u00f8rselen m\u00e5 vurderes n\u00e6rmere. Sammen med ABC-analyse viser den b\u00e5de hvor pengene g\u00e5r, og hvor p\u00e5litelig forbruket kan forutses.<\/p>\n\n\n

Neste steg er \u00e5 f\u00e5 forsyningsbeslutningene til \u00e5 fungere i produksjonen. SkyPlanner APS kobler materialtilgjengeligheten til de godkjente ordrene og ressursene som trenger materialene. Dermed bruker du mindre tid p\u00e5 \u00e5 samordne lagerinformasjon med separate k\u00f8er for hver maskin.<\/p>\n\n\n

Hva er XYZ-analyse i lagerstyring?<\/h2>\n\n\n

XYZ-analyse klassifiserer lagerartikler etter variasjonen og regelmessigheten i ettersp\u00f8rselen eller forbruket over tid. Analysen hjelper deg \u00e5 velge hvordan du skal f\u00f8lge opp en artikkel og planlegge etterfyllingen, i stedet for \u00e5 bruke samme styringsrutine for alle deler.<\/p>\n\n\n

Klasse<\/th>Typisk forbruksm\u00f8nster<\/th>Hva planleggeren m\u00e5 forst\u00e5<\/th><\/tr><\/thead>
X<\/td>Relativt jevnt, med begrenset variasjon mellom periodene<\/td>Om rutinemessig etterfylling fortsatt er egnet n\u00e5r forbruk og forsyning endrer seg<\/td><\/tr>
Y<\/td>Mer varierende, ofte med en trend eller et sesongm\u00f8nster<\/td>Hva som forklarer endringene, og om m\u00f8nsteret kan forutses<\/td><\/tr>
Z<\/td>Uregelmessig eller sporadisk, noen ganger med lange opphold mellom lageruttakene<\/td>Hva som utl\u00f8ser neste behov, og hva en mangel ville avbryte<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n

Disse klassene beskriver et m\u00f8nster, ikke en garantert prognosen\u00f8yaktighet. En sesongartikkel kan variere kraftig gjennom \u00e5ret og likevel v\u00e6re ganske forutsigbar med en egnet sesongprognose. En artikkel med vanligvis jevnt forbruk kan fortsatt overraske n\u00e5r en stor kunde endrer bestillingen sin.<\/p>\n\n\n

XYZ svarer ogs\u00e5 p\u00e5 et annet sp\u00f8rsm\u00e5l enn ABC. For produksjonsmaterialer rangerer ABC vanligvis etter \u00e5rlig forbruksverdi<\/a>: forbrukt mengde multiplisert med enhetskostnad. XYZ unders\u00f8ker hvordan forbruket fordeler seg over tid. En dyr artikkel er ikke n\u00f8dvendigvis uforutsigbar, og en billig artikkel har ikke n\u00f8dvendigvis jevnt forbruk.<\/p>\n\n\n

Ingen av klassifiseringene forteller hvor kritisk det er for produksjonen at en komponent mangler. S\u00f8rg for \u00e5 synliggj\u00f8re denne konsekvensen som et eget forhold.<\/p>\n\n\n

Slik beregner du XYZ-klasser for lagerartikler<\/h2>\n\n\n

Et vanlig tallgrunnlag er variasjonskoeffisienten, eller CV. Den sammenligner spredningen i forbruket fra periode til periode med gjennomsnittsforbruket. Bruk den sammen med en vurdering av det faktiske ettersp\u00f8rselsm\u00f8nsteret, ikke som en erstatning for den.<\/p>\n\n\n

1. Velg artikler, historikk og tidsperioder<\/h3>\n\n\n

Start med en tydelig avgrenset materialgruppe, for eksempel innkj\u00f8pte komponenter som brukes ved \u00e9n fabrikk. Samle mengder per artikkel og per planleggingsperiode av lik lengde, og bruk samme m\u00e5leenhet gjennomg\u00e5ende. Ikke bland stykk, esker og kilogram i historikken for \u00e9n og samme artikkel.<\/p>\n\n\n

Velg en periodelengde som passer beslutningen du skal ta. M\u00e5nedssummer kan egne seg til en innkj\u00f8psgjennomgang, men de kan skjule ukentlige topper som har betydning ved korte etterfyllingssykluser. Daglige data kan se sporadiske ut bare fordi produksjonen tar ut en hel ukes behov i ett parti.<\/p>\n\n\n

Bruk nok historikk til \u00e5 se den relevante driftssyklusen. Hvis sesongvariasjoner har betydning, er noen f\u00e5 av de siste ukene ikke nok til \u00e5 avdekke hele m\u00f8nsteret. Bruk samme historiske tidsrom og periodelengde n\u00e5r du sammenligner artikler, og dokumenter begge deler slik at klassifiseringen kan gjenskapes.<\/p>\n\n\n

2. Kontroller hva mengdene faktisk representerer<\/h3>\n\n\n

Innkj\u00f8p som ankommer i store leveranser, er ikke det samme som materialforbruk i produksjonen. Bruk forbruks- eller ettersp\u00f8rselsdata som passer til sp\u00f8rsm\u00e5let, slik at du ikke utilsiktet klassifiserer leverand\u00f8rens leveringsm\u00f8nster.<\/p>\n\n\n

Behold perioder der forbruket faktisk var null. Fjerner du dem, ser en artikkel med sporadisk forbruk jevnere ut enn den er. Manglende registreringer er noe annet: unders\u00f8k dem i stedet for \u00e5 erstatte dem med nuller.<\/p>\n\n\n

Kontroller ogs\u00e5 om materialmangel har begrenset forbruket. En uke uten uttak fordi delen ikke var tilgjengelig, er ikke bevis p\u00e5 at produksjonen ikke trengte den. Nye produkter, utg\u00e5tte artikler, lagerkorreksjoner og uvanlige engangsprosjekter m\u00e5 vurderes s\u00e6rskilt f\u00f8r historikken brukes som grunnlag for en etterfyllingsregel.<\/p>\n\n\n

3. Beregn gjennomsnitt og variasjonskoeffisient<\/h3>\n\n\n

Beregn f\u00f8lgende for hver artikkel:<\/p>\n\n\n

Gjennomsnittlig forbruk = totalt forbruk \u00f7 antall perioder<\/strong><\/p>\n\n\n

Variasjonskoeffisient = standardavviket til periodeforbruket \u00f7 gjennomsnittlig forbruk<\/strong><\/p>\n\n\n

Standardavviket m\u00e5ler hvor mye mengdene i de enkelte periodene varierer rundt gjennomsnittet. N\u00e5r du deler p\u00e5 gjennomsnittet, uttrykker du spredningen i forhold til artikkelens normale forbruk. Det gir et mer nyttig sammenligningsgrunnlag for artikler med ulike forbruksvolumer.<\/p>\n\n\n

Bruk samme metode for \u00e5 beregne standardavvik gjennomg\u00e5ende. Regneeksemplet nedenfor bruker utvalgsstandardavvik, der nevneren er antall observasjoner minus \u00e9n. Ikke bytt mellom beregning for utvalg og populasjon uten \u00e5 dokumentere endringen.<\/p>\n\n\n

Du kan uttrykke CV som et forholdstall eller en prosent. Et forholdstall p\u00e5 0,50 er 50 %; det betyr ikke at det er 50 % sannsynlighet for mangel. Hvis gjennomsnittsforbruket er null, er divisjonen udefinert. Hvis gjennomsnittet er sv\u00e6rt lavt, kan en liten mengdeendring gi et stort utslag i resultatet. Merk disse artiklene for n\u00e6rmere vurdering i stedet for \u00e5 tvinge dem inn i en klassifisering som bare ser presis ut.<\/p>\n\n\n

4. Sett grenseverdier og vurder resultatet<\/h3>\n\n\n

Det finnes ikke to universelle CV-grenser som garanterer riktig lagerpolicy. Angi grensene du har valgt, ogs\u00e5 hvilken klasse selve grenseverdien tilh\u00f8rer, og test om gruppene skiller mellom vesentlig ulike planleggingsbehov.<\/p>\n\n\n

Kun i eksemplet nedenfor bruker vi X for CV p\u00e5 eller under 0,50, Y for CV over 0,50 og p\u00e5 eller under 1,00, og Z for CV over 1,00. Disse reglene er bare til demonstrasjon, ikke anbefalte standardinnstillinger for fabrikken din.<\/p>\n\n\n

Se gjennom forbrukshistorikken f\u00f8r du tar klassene i bruk. En h\u00f8y CV som skyldes en tilbakevendende sesongtopp, krever andre tiltak enn en h\u00f8y CV som skyldes enkeltst\u00e5ende, usikre ordrer.<\/p>\n\n\n

Regneeksempel: Samme gjennomsnitt, ulik beslutning om lagerhold<\/h2>\n\n\n

Tenk deg to komponenter med f\u00f8lgende forbruk over \u00e5tte uker. Den korte historikken illustrerer beregningen, men er ikke i seg selv nok til \u00e5 validere en langsiktig policy for lagerhold.<\/p>\n\n\n

Komponent<\/th>Ukentlig forbruk, uke 1\u20138<\/th>Totalt<\/th>Ukentlig gjennomsnitt<\/th>Utvalgsstandardavvik<\/th>CV<\/th>Klasse i eksemplet<\/th><\/tr><\/thead>
Standardhylse<\/td>90, 110, 90, 110, 90, 110, 90, 110<\/td>800<\/td>100<\/td>10,69<\/td>0,11<\/td>X<\/td><\/tr>
Komponenthus til prosjekt<\/td>0, 0, 0, 400, 0, 0, 0, 400<\/td>800<\/td>100<\/td>185,16<\/td>1,85<\/td>Z<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n

For hylsen er CV omtrent 10,69 \u00f7 100 = 0,11. For huset er den omtrent 185,16 \u00f7 100 = 1,85. Begge har et gjennomsnitt p\u00e5 100 enheter per uke, men bare hylsen har noe som ligner et ukentlig behov av den st\u00f8rrelsen.<\/p>\n\n\n

Rutinemessig etterfylling kan fungere godt for hylsen n\u00e5r det er tatt hensyn til ledetid og leveringsp\u00e5litelighet. Kj\u00f8p av 100 hus hver uke kan derimot bygge opp lager i rolige uker uten \u00e5 sikre nok til neste prosjekt. Hvis en bekreftet ordre krever 400, veier dette ordrespesifikke behovet tyngre enn gjennomsnittet.<\/p>\n\n\n

Forbrukshistorikken for huset inneholder ogs\u00e5 seks uker uten forbruk. Ved sporadisk ettersp\u00f8rsel b\u00f8r du se b\u00e5de p\u00e5 st\u00f8rrelsen p\u00e5 lageruttakene og tiden mellom dem. CV alene forteller ikke n\u00e5r neste uttak kommer. Ved produksjon mot ordre kan en bekreftet kundeordre og tilh\u00f8rende materialbehov gi et langt bedre planleggingsgrunnlag enn et statistisk gjennomsnitt.<\/p>\n\n\n

Bruk ulike styringsrutiner for X, Y og Z<\/h2>\n\n\n

Klassifiseringen er nyttig n\u00e5r den p\u00e5virker en beslutning. Fastsett hvordan varegruppen skal etterfylles, hvem som har ansvaret, og hva som skal utl\u00f8se en gjennomgang av avvik.<\/p>\n\n\n

For X-varer<\/strong> b\u00f8r du forenkle det forutsigbare rutinearbeidet. Bestillingspunkt, planlagte avrop eller en annen fast ordning for etterfylling kan redusere behovet for gjentatte innkj\u00f8psbeslutninger. Kontroller at rutinen tar hensyn til etterfyllingstid og faktisk forbruk. X er ikke et klarsignal til \u00e5 fjerne bufferen eller anta at leverand\u00f8ren alltid leverer i tide.<\/p>\n\n\n

For Y-varer<\/strong> b\u00f8r du finne \u00e5rsaken til variasjonen f\u00f8r du \u00f8ker lageret. Hvis forbruket stiger f\u00f8r en tilbakevendende produksjonssesong, b\u00f8r du planlegge forsyningen etter dette m\u00f8nsteret fremfor \u00e5 kj\u00f8pe inn ut fra \u00e5rsgjennomsnittet. Skyldes endringen en ny kontrakt eller at produksjonen av et produkt trappes opp, b\u00f8r du g\u00e5 gjennom fremtidige behov med de ansvarlige. Et forbruksm\u00f8nster som endrer seg, trenger en forklaring, ikke bare en annen bokstav.<\/p>\n\n\n

For Z-varer<\/strong> m\u00e5 du ta et bevisst valg om lagerhold. Ordrespesifikke innkj\u00f8p kan hindre at det bygges opp lager til usikre fremtidige oppdrag, n\u00e5r ledetiden overfor kunden tillater det. En kritisk reservedel eller en komponent med lang ledetid kan likevel m\u00e5tte lagerf\u00f8res fordi det ville v\u00e6re uakseptabelt \u00e5 vente p\u00e5 en erstatning. Z betyr ikke at varen er utg\u00e5tt eller uviktig, eller at du trygt kan unnlate \u00e5 ha den tilgjengelig.<\/p>\n\n\n

For alle tre gruppene m\u00e5 du vurdere ledetid for etterfylling, leverand\u00f8rens p\u00e5litelighet, minste bestillingsmengder, holdbarhet, alternativer og konsekvensene av en mangel. Klassen beregner ikke hvilket sikkerhetslager<\/a> eller serviceniv\u00e5 du trenger. Den skal rette oppmerksomheten mot de riktige sp\u00f8rsm\u00e5lene i lagerstyringen.<\/p>\n\n\n

Kombiner ABC og XYZ uten \u00e5 forveksle verdi med hastegrad<\/h2>\n\n\n

En ABC\u2013XYZ-analyse gir hver vare begge klassifiseringene, med kombinasjoner som AX, AY og AZ helt til CX, CY og CZ. Den f\u00f8rste bokstaven angir verdiklassen, mens den andre beskriver forbruksm\u00f8nsteret.<\/p>\n\n\n

Dette skillet hjelper deg \u00e5 prioritere oppf\u00f8lgingen. En AX-vare<\/strong> har h\u00f8y \u00e5rlig forbruksverdi og et relativt jevnt forbruk. Tett \u00f8konomisk oppf\u00f8lging kan derfor kombineres med rutinemessig etterfylling. En AZ-vare<\/strong> har h\u00f8y verdi og uregelmessig forbruk. Da b\u00f8r du se n\u00e6rmere p\u00e5 innkj\u00f8psforpliktelsene og neste bekreftede behov f\u00f8r du binder mer kapital i lager.<\/p>\n\n\n

En CX-vare<\/strong> kan egne seg godt for enkel etterfylling som reduserer administrasjonsarbeidet. For en CZ-vare<\/strong> m\u00e5 du vurdere bevisst om den i det hele tatt skal lagerf\u00f8res. Lave \u00e5rlige innkj\u00f8pskostnader fjerner imidlertid ikke risikoen for produksjonsstans.<\/p>\n\n\n

Du trenger ikke ni helt forskjellige prosedyrer bare fordi matrisen har ni ruter. Bruk kombinasjonene til \u00e5 finne forskjeller som har praktisk betydning, og dokumenter deretter de f\u00e5 styringsrutinene teamet faktisk kan f\u00f8lge opp.<\/p>\n\n\n

Det viktigste er at matrisen ikke brukes direkte til \u00e5 prioritere maskink\u00f8ene. En jobb som bruker et AX-materiale, haster ikke automatisk mer enn en jobb som bruker et CZ-materiale. Leveringsfrister, kundel\u00f8fter, tilgjengelige materialer og konkurrerende behov for kapasitet avgj\u00f8r fortsatt hva produksjonen fornuftig kan gj\u00f8re videre.<\/p>\n\n\n

Knytt beslutninger om etterfylling til produksjonen med SkyPlanner<\/h2>\n\n\n

La oss g\u00e5 tilbake til de to komponentene i eksempelet. Dere har avtalt rutinemessig etterfylling for hylsen og et ordrespesifikt innkj\u00f8p for huset. Godkjente produksjonsordrer som bruker disse komponentene, konkurrerer n\u00e5 om det samme maskineringssenteret.<\/p>\n\n\n

Innkj\u00f8psrutinene er forskjellige, men produksjonsplanen m\u00e5 v\u00e6re felles<\/a>. \u00c5 vite n\u00e5r huset forventes inn, er bare halve beslutningsgrunnlaget. Du m\u00e5 ogs\u00e5 vite hvor operasjonene passer inn, hvilket arbeid som kan kj\u00f8res i forkant, og om ferdigstillelsen gj\u00f8r det mulig \u00e5 holde kundel\u00f8ftet.<\/p>\n\n\n

SkyPlanner APS samler disse begrensningene. N\u00e5r planlegging med hensyn til materialtilgjengelighet er aktivert, bruker planleggingsmotoren Arcturus kunstig intelligens til \u00e5 ta hensyn til tilgjengelige materialer sammen med arbeidsstasjonenes kapasitet, skift, avhengigheter mellom operasjoner og reglene du setter. Gantt-planen viser hvordan arbeidet er fordelt p\u00e5 ressursene. Dermed kan du vurdere den samlede planen i stedet for \u00e5 avstemme hver materialliste mot hver maskink\u00f8 manuelt.<\/p>\n\n\n

N\u00e5r forventede leveranser eller en prioritering endres, oppdaterer du planleggingsinformasjonen og beregner planen p\u00e5 nytt. Da kan du se virkningen p\u00e5 den ber\u00f8rte ordren og annet arbeid som deler de samme ressursene. Dette sparer arbeid med \u00e5 bygge opp k\u00f8ene p\u00e5 nytt og gj\u00f8r det tydeligere hvordan en materialbeslutning p\u00e5virker leveringene.<\/p>\n\n\n

Du beholder kontrollen over prioriteringene. Arcturus beregner planen innenfor instruksjonene dine; en XYZ-klasse tar ikke den forretningsmessige beslutningen for deg. Ettersp\u00f8rselsprognoser og beslutninger om etterfylling er fortsatt atskilt fra planleggingen av arbeidet du har godkjent. Velg SkyPlanner for \u00e5 knytte dette arbeidet til materialtilgjengelighet og begrenset produksjonskapasitet.<\/p>\n\n\n

SkyPlanner kan integreres med alle ERP- og MES-systemer gjennom sitt \u00e5pne REST API. Materialbeholdninger kan vedlikeholdes gjennom integrasjonen eller i Warehouse-modulen i SkyPlanner. Dermed kan du knytte eksisterende innkj\u00f8ps- og varedata til produksjonsplanleggingen uten f\u00f8rst \u00e5 m\u00e5tte bytte ERP-system.<\/p>\n\n\n

Hva en felles plan endret hos Mamec<\/h3>\n\n\n

Mamec produserer industrielt blandeutstyr og h\u00f8yteknologiske produkter p\u00e5 oppdrag, og m\u00e5tte h\u00e5ndtere tusenvis av arbeidsordrer som var avhengige av hverandre. Arbeidslederne prioriterte papirordrer ut fra leveringsdatoer, mens planleggingsfunksjonene i ERP-systemet ikke ga dem helhetsbildet de trengte.<\/p>\n\n\n

Med SkyPlanner integrert med Oscar ERP gikk Mamec over til KI-drevet produksjonsplanlegging innenfor tilgjengelig kapasitet og arbeidsk\u00f8er som l\u00e5ses \u00e9n uke om gangen. I kundehistorien<\/a> forteller Mamec om en klart lettere planleggingshverdag, mindre nedetid ved arbeidsstasjonene og bedre oversikt over produksjonsbelastningen.<\/p>\n\n\n

Dette er den praktiske gevinsten utover selve vareklassifiseringen: Avhengighetene mellom jobbene blir h\u00e5ndterbare i \u00e9n felles plan. For teamet ditt kan det bety mindre tid brukt p\u00e5 \u00e5 bygge opp k\u00f8er p\u00e5 nytt og mer tid til \u00e5 avgj\u00f8re hvordan dere skal sikre at de viktigste forpliktelsene blir oppfylt.<\/p>\n\n\n

Begynn med \u00e9n materialgruppe og to deler med ulike forbruksm\u00f8nstre<\/h2>\n\n\n

Velg en overkommelig gruppe, kontroller historikken og bli enige om klassifiseringsregler som gir samme resultat n\u00e5r de brukes p\u00e5 nytt. G\u00e5 gjennom en del med jevnt forbruk og en del med sporadisk forbruk sammen med innkj\u00f8p og produksjon. Avgj\u00f8r hva som b\u00f8r endres i styringsrutinene, hvem som har ansvar for beslutningen, og n\u00e5r den skal vurderes p\u00e5 nytt.<\/p>\n\n\n

F\u00f8lg opp resultatene med m\u00e5l som betyr noe: avbrudd p\u00e5 grunn av materialmangel, overskuddslager og tiden som brukes p\u00e5 \u00e5 f\u00f8lge opp avvik. Vurder klassene p\u00e5 nytt n\u00e5r kontrakter, produktmiks eller forbruksm\u00f8nstre endres, i stedet for \u00e5 vente til en \u00e5rlig gjennomgang avdekker en utdatert rutine.<\/p>\n\n\n

Bruk XYZ-analyse til \u00e5 avgj\u00f8re hvordan etterfyllingen b\u00f8r f\u00f8lges opp. Bruk SkyPlanner til \u00e5 knytte materialtilgjengeligheten som f\u00f8lger av disse valgene, til en produksjonsplan som kan f\u00f8lges i produksjonen.<\/p>\n\n\n

Bestill en demo av SkyPlanner<\/a> med utgangspunkt i to komponenter med ulike forbruksm\u00f8nstre og de godkjente ordrene som bruker dem. Ta med gjeldende beholdninger, forventede leveringsdatoer og produksjonsruter, og se hvordan de passer inn sammen med resten av arbeidet. Hvis du foretrekker \u00e5 utforske p\u00e5 egen h\u00e5nd f\u00f8rst, kan du pr\u00f8ve SkyPlanner med demodata<\/a>.<\/p>\n\n<\/div>\n<\/div>","protected":false},"excerpt":{"rendered":"

XYZ-analyse: Tilpass lagerstyringen til variasjoner i ettersp\u00f8rselen Hjem » Ressurser » XYZ-analyse: Tilpass lagerstyringen til variasjoner i ettersp\u00f8rselen To komponenter kan ha samme gjennomsnittlige forbruk, men trenge helt ulike rutiner for etterfylling. Den ene tas jevnt ut fra lageret hver uke. Den andre blir liggende ur\u00f8rt til en stor kundeordre bruker opp flere m\u00e5neders forbruk … Les mer<\/a><\/p>\n","protected":false},"author":3,"featured_media":110705,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"_uag_custom_page_level_css":"","footnotes":""},"categories":[2533,505],"tags":[],"class_list":["post-110696","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-aps-og-planlegging","category-ressurser","generate-columns","tablet-grid-50","mobile-grid-100","grid-parent","grid-33"],"acf":[],"yoast_head":"\nXYZ-analyse: Styr lageret etter variasjoner i ettersp\u00f8rselen<\/title>\n<meta name=\"description\" content=\"Likt gjennomsnittsforbruk kan skjule ulik lagerrisiko. Bruk XYZ-analyse til \u00e5 velge bedre etterfyllingsrutiner og koble materialforsyning til produksjon.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/skyplanner.ai\/no\/ressurser\/xyz-analyse\/\" \/>\n<meta property=\"og:locale\" content=\"nb_NO\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"XYZ-analyse: Tilpass lagerstyringen til variasjoner i ettersp\u00f8rselen\" \/>\n<meta property=\"og:description\" content=\"Likt gjennomsnittsforbruk kan skjule ulik lagerrisiko. Bruk XYZ-analyse til \u00e5 velge bedre etterfyllingsrutiner og koble materialforsyning til produksjon.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/skyplanner.ai\/no\/ressurser\/xyz-analyse\/\" \/>\n<meta property=\"og:site_name\" content=\"SkyPlanner\" \/>\n<meta property=\"article:published_time\" content=\"2026-10-26T05:46:07+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-10-26T05:48:26+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/xyz-inventory-analysis-hero.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1536\" \/>\n\t<meta property=\"og:image:height\" content=\"864\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Jussi M\u00e4ntyl\u00e4\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Skrevet av\" \/>\n\t<meta name=\"twitter:data1\" content=\"Jussi M\u00e4ntyl\u00e4\" \/>\n\t<meta name=\"twitter:label2\" content=\"Ansl. lesetid\" \/>\n\t<meta name=\"twitter:data2\" content=\"12 minutter\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/ressurser\\\/xyz-analyse\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/ressurser\\\/xyz-analyse\\\/\"},\"author\":{\"name\":\"Jussi M\u00e4ntyl\u00e4\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/#\\\/schema\\\/person\\\/d90eac23cfbf5af3a2c4a38ff10376b5\"},\"headline\":\"XYZ-analyse: Tilpass lagerstyringen til variasjoner i ettersp\u00f8rselen\",\"datePublished\":\"2026-10-26T05:46:07+00:00\",\"dateModified\":\"2026-10-26T05:48:26+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/ressurser\\\/xyz-analyse\\\/\"},\"wordCount\":2337,\"publisher\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/ressurser\\\/xyz-analyse\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/skyplanner.ai\\\/wp-content\\\/uploads\\\/2026\\\/10\\\/xyz-inventory-analysis-hero.png\",\"articleSection\":[\"APS og planlegging\",\"Ressurser\"],\"inLanguage\":\"nb-NO\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/ressurser\\\/xyz-analyse\\\/\",\"url\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/ressurser\\\/xyz-analyse\\\/\",\"name\":\"XYZ-analyse: Styr lageret etter variasjoner i ettersp\u00f8rselen\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/ressurser\\\/xyz-analyse\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/ressurser\\\/xyz-analyse\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/skyplanner.ai\\\/wp-content\\\/uploads\\\/2026\\\/10\\\/xyz-inventory-analysis-hero.png\",\"datePublished\":\"2026-10-26T05:46:07+00:00\",\"dateModified\":\"2026-10-26T05:48:26+00:00\",\"description\":\"Likt gjennomsnittsforbruk kan skjule ulik lagerrisiko. Bruk XYZ-analyse til \u00e5 velge bedre etterfyllingsrutiner og koble materialforsyning til produksjon.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/ressurser\\\/xyz-analyse\\\/#breadcrumb\"},\"inLanguage\":\"nb-NO\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/skyplanner.ai\\\/no\\\/ressurser\\\/xyz-analyse\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"nb-NO\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/ressurser\\\/xyz-analyse\\\/#primaryimage\",\"url\":\"https:\\\/\\\/skyplanner.ai\\\/wp-content\\\/uploads\\\/2026\\\/10\\\/xyz-inventory-analysis-hero.png\",\"contentUrl\":\"https:\\\/\\\/skyplanner.ai\\\/wp-content\\\/uploads\\\/2026\\\/10\\\/xyz-inventory-analysis-hero.png\",\"width\":1536,\"height\":864,\"caption\":\"Regularly spaced sleeves and a clustered batch of housings illustrate contrasting consumption patterns for XYZ analysis.\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/ressurser\\\/xyz-analyse\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"XYZ-analyse: Tilpass lagerstyringen til variasjoner i ettersp\u00f8rselen\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/#website\",\"url\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/\",\"name\":\"SkyPlanner\",\"description\":\"AI-powered production scheduling and planning software\",\"publisher\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"nb-NO\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/#organization\",\"name\":\"Skycode Oy\",\"url\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"nb-NO\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/skyplanner.ai\\\/wp-content\\\/uploads\\\/2022\\\/05\\\/Skyplanner-logo-2.svg\",\"contentUrl\":\"https:\\\/\\\/skyplanner.ai\\\/wp-content\\\/uploads\\\/2022\\\/05\\\/Skyplanner-logo-2.svg\",\"width\":223,\"height\":43,\"caption\":\"SkyPlanner APS\"},\"image\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"legalName\":\"Skycode Oy\",\"alternateName\":[\"Skycode\",\"SkyPlanner\",\"SkyPlanner APS\"],\"description\":\"Skycode Oy is the Finnish software company that develops and publishes SkyPlanner APS, AI production scheduling and advanced planning and scheduling (APS) software for manufacturers worldwide. Founded in 1997 as a sole proprietorship and incorporated as Skycode Oy in 2008.\",\"foundingDate\":\"1997\",\"taxID\":\"2204947-0\",\"vatID\":\"FI22049470\",\"telephone\":\"+358407000002\",\"email\":\"support@skyplanner.ai\",\"address\":{\"@type\":\"PostalAddress\",\"streetAddress\":\"Rantakatu 2 G 11\",\"postalCode\":\"65100\",\"addressLocality\":\"Vaasa\",\"addressCountry\":\"FI\"},\"brand\":{\"@type\":\"Brand\",\"name\":\"SkyPlanner\"},\"knowsAbout\":[\"Production Scheduling\",\"Advanced Planning and Scheduling\",\"Manufacturing AI\",\"Finite Capacity Scheduling\",\"ERP Integration\",\"MES Integration\"],\"areaServed\":\"Worldwide\",\"contactPoint\":[{\"@type\":\"ContactPoint\",\"contactType\":\"sales\",\"url\":\"https:\\\/\\\/skyplanner.ai\\\/contact-sales\\\/\",\"areaServed\":\"Worldwide\"},{\"@type\":\"ContactPoint\",\"contactType\":\"customer support\",\"email\":\"support@skyplanner.ai\",\"telephone\":\"+358407000002\",\"areaServed\":\"Worldwide\"}],\"sameAs\":[\"https:\\\/\\\/www.wikidata.org\\\/wiki\\\/Q141672132\",\"https:\\\/\\\/skycode.fi\\\/\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/skycodeoy\\\/\",\"https:\\\/\\\/www.finder.fi\\\/IT-konsultointi+IT-palvelut\\\/Skycode+Oy\\\/Vaasa\\\/yhteystiedot\\\/1934882\"]},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/no\\\/#\\\/schema\\\/person\\\/d90eac23cfbf5af3a2c4a38ff10376b5\",\"name\":\"Jussi M\u00e4ntyl\u00e4\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"nb-NO\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/d5cfcd5c06352082aff699784151984268501dafe5084791a9f280d4e3ec500f?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/d5cfcd5c06352082aff699784151984268501dafe5084791a9f280d4e3ec500f?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/d5cfcd5c06352082aff699784151984268501dafe5084791a9f280d4e3ec500f?s=96&d=mm&r=g\",\"caption\":\"Jussi M\u00e4ntyl\u00e4\"}}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"XYZ-analyse: Styr lageret etter variasjoner i ettersp\u00f8rselen","description":"Likt gjennomsnittsforbruk kan skjule ulik lagerrisiko. Bruk XYZ-analyse til \u00e5 velge bedre etterfyllingsrutiner og koble materialforsyning til produksjon.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/skyplanner.ai\/no\/ressurser\/xyz-analyse\/","og_locale":"nb_NO","og_type":"article","og_title":"XYZ-analyse: Tilpass lagerstyringen til variasjoner i ettersp\u00f8rselen","og_description":"Likt gjennomsnittsforbruk kan skjule ulik lagerrisiko. Bruk XYZ-analyse til \u00e5 velge bedre etterfyllingsrutiner og koble materialforsyning til produksjon.","og_url":"https:\/\/skyplanner.ai\/no\/ressurser\/xyz-analyse\/","og_site_name":"SkyPlanner","article_published_time":"2026-10-26T05:46:07+00:00","article_modified_time":"2026-10-26T05:48:26+00:00","og_image":[{"width":1536,"height":864,"url":"https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/xyz-inventory-analysis-hero.png","type":"image\/png"}],"author":"Jussi M\u00e4ntyl\u00e4","twitter_card":"summary_large_image","twitter_misc":{"Skrevet av":"Jussi M\u00e4ntyl\u00e4","Ansl. lesetid":"12 minutter"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/skyplanner.ai\/no\/ressurser\/xyz-analyse\/#article","isPartOf":{"@id":"https:\/\/skyplanner.ai\/no\/ressurser\/xyz-analyse\/"},"author":{"name":"Jussi M\u00e4ntyl\u00e4","@id":"https:\/\/skyplanner.ai\/no\/#\/schema\/person\/d90eac23cfbf5af3a2c4a38ff10376b5"},"headline":"XYZ-analyse: Tilpass lagerstyringen til variasjoner i ettersp\u00f8rselen","datePublished":"2026-10-26T05:46:07+00:00","dateModified":"2026-10-26T05:48:26+00:00","mainEntityOfPage":{"@id":"https:\/\/skyplanner.ai\/no\/ressurser\/xyz-analyse\/"},"wordCount":2337,"publisher":{"@id":"https:\/\/skyplanner.ai\/no\/#organization"},"image":{"@id":"https:\/\/skyplanner.ai\/no\/ressurser\/xyz-analyse\/#primaryimage"},"thumbnailUrl":"https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/xyz-inventory-analysis-hero.png","articleSection":["APS og planlegging","Ressurser"],"inLanguage":"nb-NO"},{"@type":"WebPage","@id":"https:\/\/skyplanner.ai\/no\/ressurser\/xyz-analyse\/","url":"https:\/\/skyplanner.ai\/no\/ressurser\/xyz-analyse\/","name":"XYZ-analyse: Styr lageret etter variasjoner i ettersp\u00f8rselen","isPartOf":{"@id":"https:\/\/skyplanner.ai\/no\/#website"},"primaryImageOfPage":{"@id":"https:\/\/skyplanner.ai\/no\/ressurser\/xyz-analyse\/#primaryimage"},"image":{"@id":"https:\/\/skyplanner.ai\/no\/ressurser\/xyz-analyse\/#primaryimage"},"thumbnailUrl":"https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/xyz-inventory-analysis-hero.png","datePublished":"2026-10-26T05:46:07+00:00","dateModified":"2026-10-26T05:48:26+00:00","description":"Likt gjennomsnittsforbruk kan skjule ulik lagerrisiko. Bruk XYZ-analyse til \u00e5 velge bedre etterfyllingsrutiner og koble materialforsyning til produksjon.","breadcrumb":{"@id":"https:\/\/skyplanner.ai\/no\/ressurser\/xyz-analyse\/#breadcrumb"},"inLanguage":"nb-NO","potentialAction":[{"@type":"ReadAction","target":["https:\/\/skyplanner.ai\/no\/ressurser\/xyz-analyse\/"]}]},{"@type":"ImageObject","inLanguage":"nb-NO","@id":"https:\/\/skyplanner.ai\/no\/ressurser\/xyz-analyse\/#primaryimage","url":"https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/xyz-inventory-analysis-hero.png","contentUrl":"https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/xyz-inventory-analysis-hero.png","width":1536,"height":864,"caption":"Regularly spaced sleeves and a clustered batch of housings illustrate contrasting consumption patterns for XYZ analysis."},{"@type":"BreadcrumbList","@id":"https:\/\/skyplanner.ai\/no\/ressurser\/xyz-analyse\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/skyplanner.ai\/no\/"},{"@type":"ListItem","position":2,"name":"XYZ-analyse: Tilpass lagerstyringen til variasjoner i ettersp\u00f8rselen"}]},{"@type":"WebSite","@id":"https:\/\/skyplanner.ai\/no\/#website","url":"https:\/\/skyplanner.ai\/no\/","name":"SkyPlanner","description":"AI-powered production scheduling and planning software","publisher":{"@id":"https:\/\/skyplanner.ai\/no\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/skyplanner.ai\/no\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"nb-NO"},{"@type":"Organization","@id":"https:\/\/skyplanner.ai\/no\/#organization","name":"Skycode Oy","url":"https:\/\/skyplanner.ai\/no\/","logo":{"@type":"ImageObject","inLanguage":"nb-NO","@id":"https:\/\/skyplanner.ai\/no\/#\/schema\/logo\/image\/","url":"https:\/\/skyplanner.ai\/wp-content\/uploads\/2022\/05\/Skyplanner-logo-2.svg","contentUrl":"https:\/\/skyplanner.ai\/wp-content\/uploads\/2022\/05\/Skyplanner-logo-2.svg","width":223,"height":43,"caption":"SkyPlanner APS"},"image":{"@id":"https:\/\/skyplanner.ai\/no\/#\/schema\/logo\/image\/"},"legalName":"Skycode Oy","alternateName":["Skycode","SkyPlanner","SkyPlanner APS"],"description":"Skycode Oy is the Finnish software company that develops and publishes SkyPlanner APS, AI production scheduling and advanced planning and scheduling (APS) software for manufacturers worldwide. Founded in 1997 as a sole proprietorship and incorporated as Skycode Oy in 2008.","foundingDate":"1997","taxID":"2204947-0","vatID":"FI22049470","telephone":"+358407000002","email":"support@skyplanner.ai","address":{"@type":"PostalAddress","streetAddress":"Rantakatu 2 G 11","postalCode":"65100","addressLocality":"Vaasa","addressCountry":"FI"},"brand":{"@type":"Brand","name":"SkyPlanner"},"knowsAbout":["Production Scheduling","Advanced Planning and Scheduling","Manufacturing AI","Finite Capacity Scheduling","ERP Integration","MES Integration"],"areaServed":"Worldwide","contactPoint":[{"@type":"ContactPoint","contactType":"sales","url":"https:\/\/skyplanner.ai\/contact-sales\/","areaServed":"Worldwide"},{"@type":"ContactPoint","contactType":"customer support","email":"support@skyplanner.ai","telephone":"+358407000002","areaServed":"Worldwide"}],"sameAs":["https:\/\/www.wikidata.org\/wiki\/Q141672132","https:\/\/skycode.fi\/","https:\/\/www.linkedin.com\/company\/skycodeoy\/","https:\/\/www.finder.fi\/IT-konsultointi+IT-palvelut\/Skycode+Oy\/Vaasa\/yhteystiedot\/1934882"]},{"@type":"Person","@id":"https:\/\/skyplanner.ai\/no\/#\/schema\/person\/d90eac23cfbf5af3a2c4a38ff10376b5","name":"Jussi M\u00e4ntyl\u00e4","image":{"@type":"ImageObject","inLanguage":"nb-NO","@id":"https:\/\/secure.gravatar.com\/avatar\/d5cfcd5c06352082aff699784151984268501dafe5084791a9f280d4e3ec500f?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/d5cfcd5c06352082aff699784151984268501dafe5084791a9f280d4e3ec500f?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/d5cfcd5c06352082aff699784151984268501dafe5084791a9f280d4e3ec500f?s=96&d=mm&r=g","caption":"Jussi M\u00e4ntyl\u00e4"}}]}},"uagb_featured_image_src":{"full":["https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/xyz-inventory-analysis-hero.png",1536,864,false],"thumbnail":["https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/xyz-inventory-analysis-hero-150x150.png",150,150,true],"medium":["https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/xyz-inventory-analysis-hero-300x169.png",300,169,true],"medium_large":["https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/xyz-inventory-analysis-hero-768x432.png",768,432,true],"large":["https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/xyz-inventory-analysis-hero-1024x576.png",1024,576,true],"1536x1536":["https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/xyz-inventory-analysis-hero.png",1536,864,false],"2048x2048":["https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/xyz-inventory-analysis-hero.png",1536,864,false],"betterdocs-category-thumb":["https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/xyz-inventory-analysis-hero-360x203.png",360,203,true]},"uagb_author_info":{"display_name":"Jussi M\u00e4ntyl\u00e4","author_link":"https:\/\/skyplanner.ai\/no\/author\/jussi\/"},"uagb_comment_info":0,"uagb_excerpt":"XYZ-analyse: Tilpass lagerstyringen til variasjoner i ettersp\u00f8rselen Hjem » Ressurser » XYZ-analyse: Tilpass lagerstyringen til variasjoner i ettersp\u00f8rselen To komponenter kan ha samme gjennomsnittlige forbruk, men trenge helt ulike rutiner for etterfylling. Den ene tas jevnt ut fra lageret hver uke. Den andre blir liggende ur\u00f8rt til en stor kundeordre bruker opp flere m\u00e5neders forbruk…","_links":{"self":[{"href":"https:\/\/skyplanner.ai\/no\/wp-json\/wp\/v2\/posts\/110696","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/skyplanner.ai\/no\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/skyplanner.ai\/no\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/skyplanner.ai\/no\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/skyplanner.ai\/no\/wp-json\/wp\/v2\/comments?post=110696"}],"version-history":[{"count":1,"href":"https:\/\/skyplanner.ai\/no\/wp-json\/wp\/v2\/posts\/110696\/revisions"}],"predecessor-version":[{"id":110759,"href":"https:\/\/skyplanner.ai\/no\/wp-json\/wp\/v2\/posts\/110696\/revisions\/110759"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/skyplanner.ai\/no\/wp-json\/wp\/v2\/media\/110705"}],"wp:attachment":[{"href":"https:\/\/skyplanner.ai\/no\/wp-json\/wp\/v2\/media?parent=110696"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/skyplanner.ai\/no\/wp-json\/wp\/v2\/categories?post=110696"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/skyplanner.ai\/no\/wp-json\/wp\/v2\/tags?post=110696"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}