CC BY
30
УДК [658.7Ю4] (075.8+658.153(075.8)
Прогнозирование динамики спроса на запасы промышленного предприятия с высокой степенью изменчивости Forecasting the demand for reserves of an industrial enterprise with a high
degree of variation.
Уразбахтин Ильяс Радикович
старший преподаватель кафедры «Экономика и финансы» ФГБОУ ВПО «Южно-Уральский государственный университет» (НИИ)
e-mail: uir18@mail.ru Urazbahtin I.R.
senior lecturer of chair of economy and finance of the «South Ural state
university» (national research University)
e-mail: uir18@mail.ru
Аннотация.
Статья посвящена проблемам управления запасами промышленного предприятия при динамике спроса на запасы с высокой степенью изменчивости. Автором разработана модель прогнозирования динамики спроса на запасы с высокой степенью изменчивости.
Ключевые слова: управление запасами, прогнозирования спроса на запасы.
The summary. This article is about problems of inventory management of an industrial enterprise with demand dynamics for resources with a low degree of variation.
Crucial words: inventory management, forecasting the demand for resources.
Формирование или подбор адекватной модели управления запасами промышленного предприятия является важнейшим этапом постановки системы логистики. Логистическая цепь поставок является устойчивой и эффективной,
если функционалы снабжения, производства и сбыта синхронизированы между собой во времени и по затратам [4]. В данной статье рассматривается модель управления запасами, применение которой рекомендуется при динамике спроса на запасы со склада с высокой степенью изменчивости.
Под спросом на запасы подразумевается величина потребности производственных подразделений предприятия в конкретных материальных ресурсах, которые представлены в виде запасов на складе сырья, материалов и комплектующих предприятия. Спрос на запасы за определенный промежуток времени представляет собой сумму величины фактического расхода запасов за определенный промежуток времени и величины дефицита запасов, возникший в этот же промежуток времени.
Возникший дефицит отражает неудовлетворенный спрос. Прогнозирование потребности в запасах по ретроспективным данным не только по величине фактического расхода, но и с учетом имевшегося дефицита, является более точным. Эти данные могут быть получены исходя из имеющейся у предприятия статистической информации, а также определены экспертным путем с привлечением специалистов, работающих на анализируемом предприятии [2].
Динамика спроса на запасы может иметь разную степень изменчивости. Одна из основных задач управления запасами заключается в прогнозировании будущей потребности в запасах и дальнейшем принятии соответствующих управленческих решений, направленных на формирование обеспеченности предприятия необходимой величиной запасов.
Когда речь идет о динамике спроса с высокой степенью изменчивости, данная задача успешно решается почти независимо от применяемой модели управления запасами, так как потребность в запасах более или менее предсказуема.
Решение задачи усложняется по мере снижения степени изменчивости динамики спроса на материальные ресурсы. Точность прогнозирования снижается со снижением степени изменчивости динамики спроса. Таким образом, проблема прогнозирования потребности в запасах при динамике
спроса с высокой степенью изменчивости является актуальной для ряда современных промышленных предприятий, а разработанная модель позволяет осуществлять прогнозирование точнее, чем иные существующие подходы.
Измерять степень изменчивости предполагается с помощью коэффициента вариации (среднее квадратическое отклонение деленное на простое среднее значение ряда данных), широко применяемого в XYZ-анализе при управлении запасами. Чем выше коэффициент вариации, тем менее изменчив временной ряд (спрос на материальные ресурсы). Степень изменчивости спроса может характеризоваться как высокая, на наш взгляд, при значении коэффициента вариации больше 0,8-1. Данное пороговое значение может быть изменено и определяется экспертным путем в каждом конкретном случае в зависимости от того, насколько предприятие стремится минимизировать запасы: чем ниже пороговое значение, тем меньше величина запасов формируется.
Рассматривается ситуация, когда срок выполнения заказа без сформированных запасов превышает требуемое клиентами время выполнения заказа и может привести к уходу клиентов предприятия к конкурентам. Поэтому запасы сырья и материалов хотя бы частично должны иметься на складе предприятия.
При этом предприятию экономически нецелесообразно иметь данные запасы в максимальном количестве, способном удовлетворить 100% возникающего на них спроса.
Иначе говоря, модель разработана для случая, когда возникает проблема выбора между такими показателями как уровень обслуживания клиентов (своевременная отгрузка продукции) и величина связанных в запасах оборотных средств. И все это на фоне нестабильной динамики потребности в этих материальных ресурсах и изготавливаемой из них продукции.
Идеальным решением было бы изготовление продукции с такими характеристиками только под заказ. Получение конкурентных преимуществ возможно за счет формирования запасов, и, как следствие, сокращения сроков выполнения заказа.
Предлагается своевременно удовлетворять только хорошо прогнозируемую составляющую спроса - запасы формируются исходя из этой величины [1]. Так как каждый заказчик приобретает разное количество продукции, то логично быстро удовлетворять потребности тех из них, которые нуждаются в небольших партиях, и, таким образом, обеспечить лояльность большего числа заказчиков, не формирую излишние запасы.
Если же речь идет о большом заказе одного заказчика, то данный заказ может иметь статус «спецзаказа» и соответствующий более длительный срок выполнения. Это логично, так как предприятия-конкуренты, аналогичные рассматриваемому предприятию, не смогут удовлетворить его потребность быстрее. Получить лояльность такого заказчика можно путем быстрой отгрузки части его большого заказа.
Разработанный метод предполагает оптимизацию величины каждого наименования запасов [3].
Перейдем непосредственно к модели. Под рядом данных предполагается величина спроса на запасы за п равных промежутков времени. Промежуток времени равен сроку поставки данного вида ресурсов. Значение коэффициента вариации составляет 1,8. Далее представлен алгоритм прогнозирования запасов.
1. Значения ряда данных упорядочиваются по возрастанию.
2. Определяется медиана ряда данных. Медианное значение позволяет определить, какое количество сформированных запасов позволит удовлетворить потребности в этих запасах (потребность производственных подразделений в сырье, материалах, комплектующих) в наибольшем числе случаев (а значит и заказчиков небольших партий продукции), то есть, найти прогнозируемую составляющую спроса. Как видно из таблицы 1, величина спроса на запасы может иметь одинаковое значение (повторяться) в разных промежутках времени (в отдельных случаях). Далее, на основе данной величины определяется прогнозная величина будущего спроса на данный вид ресурсов путем следующей корректировки.
3. Для каждого значения ряда данных определяется количество случаев, в которых данное количество запасов не приведет к дефициту. Например, величина спроса на запасы составляет 2 единицы (3 столбец 2 строка таблицы 1). Если будет сформирован запас в количестве двух единиц, то при возникновении потребности в данном ресурсе также в количестве двух единиц не возникнет дефицит. Потребность будет полностью удовлетворена. Если спрос на данный ресурс составит 1 единицу, то данное количество запасов также не приведет к дефициту. В остальных случаях величина спроса на запасы больше (3, 4, или 48 единиц) чем гипотетически сформированное количество запасов (2 единицы). Значит, формирование такого количества запасов не приведет к дефициту в 2 из 10 случаев. Формирование запаса в количестве трех единиц позволит избежать дефицита уже в 6 случаях, когда значение спроса на запасы в каждом конкретном случае составит 1, 2 или 3 единицы.
4. Затем для каждого значения ряда данных рассчитывается темп роста количества случаев, в которых данное количество запасов не приведет к дефициту ресурсов по отношению к предыдущему значению ряда данных. Также для каждого значения ряда данных рассчитывается темп роста этих значений (величин спроса на запасы) по отношению к предыдущему значению ряда данных.
5. Прогнозное значение величины будущего спроса определяется следующим образом. Сначала выбираем значения ряда данных, превышающие значение медианы. Затем выбираем из них те, при которых выполняется следующее соотношение: темп роста количества случаев, в которых данное количество запасов не приведет к дефициту ресурсов, превышает темп роста величины спроса на запасы. Если имеет место быть несколько таких величин, то принимаем в качестве прогнозного значения максимальную из них. В ином случае прогнозное значение величины будущего спроса принимаем равным значению медианы.
Эта корректировка медианного значения позволяет получить определенное преимущество: число случаев, в которых данная величина запасов является удовлетворительной, прирастает большими темпами, чем темп роста запасов. То есть, увеличивая запасы незначительно, мы получаем меньше случаев дефицита, а значит, выше уровень обслуживания клиентов. Осуществим расчет на двух примерах (таблица 1).
Таблица 1 - Пример №1
Величина спроса на запасы в конкретном случае (в конкретном промежутке времени п), ед. 1 2 3 3 3 3 4 4 4 48
Количество случаев, в которых данное количество запасов не приведет к дефициту ресурсов 1 2 6 6 6 6 9 9 9 10
Темп роста потребности в ресурсах по отношению к предыдущему значению — — 1,50 — — — 1,33 — — 12,00
Темп роста количества случаев, в которых данное количество — — 3,00 — — — 1,50 — — 1,11
запасов не приведет к дефициту ресурсов по отношению к предыдущему
Разница между темпами роста - — 1,50 — — - 0,17 — — 10,89
В первом примере значение медианы ряда данных равно 3. Теперь можем выбирать значения ряда данных, превышающие значение медианы. Далее выбираем из них те, при которых выполняется соотношение: темп роста количества случаев, в которых данное количество запасов не приведет к дефициту ресурсов, превышает темп роста величины спроса на запасы.
В данном примере, положительная разница между темпами роста имеет место быть при значении потребности в ресурсах равном 4 (больше медианного значения, равного 3). Значит, принимаем прогнозное значение величины будущего спроса равной 4 единицам.
Во втором примере (таблица 2) значение медианы ряда данных равно 4, а значение коэффициента вариации равно 1,44.
Таблица 2 - Пример №2
Величина спроса на запасы в конкретном случае (в конкретном промежутке времени п), ед. 1 2 3 3 4 4 6 9 50 58
Количество
случаев, в которых 1 2 4 4 6 6 7 8 9 10
данное количество
не приведет к
дефициту ресурсов
Темп роста
потребности в
ресурсах по отношению к — 2,00 1,50 — 1,33 — 1,50 1,50 5,56 1,16
предыдущему
значению
Темп роста
количества
случаев, в которых
данное количество не приведет к — 2,00 2,00 — 1,50 — 1,17 1,14 1,13 1,11
дефициту ресурсов
по отношению к
предыдущему
Разница между темпами роста — 0,00 0,50 — 0,17 — 0,33 0,36 4,43 0,05
В данном случае отсутствуют такие значения величины спроса на запасы, при которых темп роста количества случаев, когда данное количество запасов не приведет к дефициту ресурсов, превышает темп роста величины спроса на запасы.
Значит, принимаем оптимальное прогнозное значение величины будущего спроса равной значению медианы, то есть 4 единицам, так как принятие большей величины приведет к значительному увеличению запасов, при незначительном увеличении случаев, когда такое количество запасов способствует недопущению дефицита.
Можно отметить следующие достоинства модели.
Во-первых, она может быть применима при динамике спроса на запасы с любой степенью изменчивости, за исключением совершенно случайно динамики спроса.
Во-вторых, модель позволяет сформировать величину запасов, позволяющую удовлетворить наибольшее количество клиентов предприятия, но без создания значительного излишка запасов.
Модель разработана для применения на промышленных предприятиях, преимущественно сборочного производства с широкой номенклатурой запасов материалов и комплектующих. Апробация модели проведена на крупном сборочном предприятии ОАО «Челябинский завод «Теплоприбор». Модель позволила повысить точность прогнозирования динамики спроса на запасы.
Библиографический список
1. Бутрин А.Г., Гельманова З.С. Организационно-экономические особенности снабжения в промышленном холдинге// Металлург.-2013. -№11. -С. 7-11.
2. Бутрин А.Г., Ковалев А.И., Полюнас Д.А. Финансовые потоки в цепи поставок промышленного предприятия // Финансы и кредит. -2009. -№ 45. -С. 22-28.
3. Бутрин А.Г. Модели и методы эффективного управления хозяйственными образованиями в региональных промышленных комплексах// Экономика региона.-2014.- № 2. -С. 132.
4. Бутрин А.Г., Рогожников Е.И. Инструменты управления фондами обращения промышленного предприятия// Вестник ЮУрГУ. Серия «Экономика и менеджмент».-2011.- № 28. -С. 165-169
