При определении потребности принципиально различаются следующие подходы:
-расчет начинается только тогда, когда потребность возникает, например, при поступлении заказов потребителей;
-расчет на основе данных о расходе запасов.
Второй подход используется в тех случаях, когда требуемое клиентом время поставки меньше, чем цикл восстановления складских запасов.
Наряду с этими двумя подходами существуют три метода определения потребности:
- детерминированный;
- стохастический;
- эвристический.
В первом случае известен определенный период выполнения заказа и, соответственно, потребность в материалах по количеству и срокам.
Во втором случае основой для расчета являются математико-статистические методы, дающие ожидаемую потребность.
В третьем случае потребность определяется на основе опыта работников.
Детерминированный метод может быть применен для расчета потребности в материалах и комплектующих для удовлетворения нужд производства, когда уже установлены объемы продажи изделий. При этом важно установить время потребления материалов по ступеням:
-материалы должны иметься в наличии в наиболее ранний срок с тем, чтобы цикл их поступления и первичной обработки не увеличивал цикл изготовления изделия;
-детали должны своевременно быть готовы, чтобы оставалось необходимое время для сборки;
-покупные изделия должны быть заказаны с учетом ожидаемого времени поставки.
При определении потребности материалов на основе их расхода преобладающими являются детерминированные методы, а при расчете на основе количества используемых материалов, главным образом используются стохастические методы.
Методы установления ожидаемой потребности, позволяющие прогнозировать важнейшие для деятельности показатели, такие как вероятный объем реализации продукции и необходимые для его изготовления материальные ресурсы, в настоящее время нашли широкое распространение.
Прогнозы, разработанные на основе стохастических моделей, имеют следующие особенности:
-вся предсказываемая на будущее ситуация исходит из времени прогноза;
-обстоятельства будущего периода не определены. Оценка возможности развития явления, а также сбор необходимой информации осуществляются до разработки прогноза;
-процесс прогнозирования поддерживается информацией о прошедшем периоде.
Рис.1.4. Классификация наиболее употребительных прогнозных методов
Классификация критериев, учитывающих наиболее важные особенности методов прогнозирования, показана на рисунке 1.4. Характерным для всех методов прогноза является попытка определения развития будущего на основе показателей прошедшего периода. Это ведет к неизбежным ошибкам при изменении потребности. Несмотря на это, прогнозы неизбежны, так как другие методы оценки будущей ситуации неизвестно. Причем прогнозные оценки должны быть дополнены знаниями и опытом, вытекающим из наблюдений за рынком.
Основой прогнозных методов является подробное выявление всех показателей продажи продукции и использование материалов за прошлый период и их изменения во времени. Обычной формой представления является так называемый временной ряд, анализ которого позволяет сделать заключение об использовании рассматриваемых товаров с учетом таких факторов, как тенденции, сезонные изменения, нестабильность или случайные отклонения. Анализ временного ряда позволяет определить подходящую модель из числа охарактеризованных на рисунке 1.5. Возможными моделями реализации товаров являются:
- модель постоянного потребления;
- прямопропорциональная модель;
- сезоннопостоянная модель;
- сезонная модель с последовательным ростом (рис. 1.6, 1.7).
Рис.1.5. Определение используемых моделей
Рис.1.6. Методы стохастического определения потребности
Рис.1.7. Алгоритм расчетов при стохастическом определении потребности.
Метод экспоненциального сглаживания является важнейшим методом стохастических прогнозов. В этом случае весомость цифр в отдельные периоды характеризуется с помощью так называемого фактора “a“, значение которого находится в пределах от 0 до 1. Чем больше значение “a“, тем весомее влияние ближайших прошедших периодов и метод более подходит для оценки фактического потребления. Недостатком является растущая чувствительность к случайным колебаниям. На практике колебания “a“ находятся в пределах 0,1 ¸ 0,3. Значение 0,5 почти никогда не превышается.
Экспоненциальное сглаживание применимо, прежде всего, при постоянном объеме потребления (a = 0,1 ¸ 0,3). При более высоких значениях (0,3 ¸ 0,5) метод подходит при изменении структуры потребления, например, с учетом сезонных влияний. Он соответствует выравниванию средних значений с постоянно снижающимися, в соответствии с геометрическим рядом, факторами весомости. Большими преимуществами этого метода являются значительно меньшая потребность в страховых запасах.
При постоянно увеличивающемся объеме потребления целесообразно использовать метод экспоненциального сглаживания 2. С помощью него оказывается возможным определить тенденцию роста потребности, которая базируется на прогнозах, пригодных для многих последующих периодов времени.
Метод регрессионного анализа. Основанием этого метода является приближение известных тенденций потребления с помощью математических функций, которые могут быть экстраполированы на будущий период. В соответствии с характером кривой регрессии различаются линейный и нелинейный регрессионый анализ. Метод линейной регрессии целесообразно применять при условно пропорциональном росте потребления. Тогда изменение потребления отражается аппроксимирующей прямой, которая имеет вид:
y = a + b*t .
Коэффициенты “а” и “b” определяются с помощью данных о потреблении, чтобы сумма всех отклонений от аппроксимирующей прямой была минимальной. Поскольку могут иметь место как положительные, так и отрицательные значения отклонений, то это может в худшем случае привести к компенсации оценок. Чтобы этого избежать, следует применять метод наименьших квадратов.
Качество прогноза зависит в конечном итоге от рассеивания исходных данных.
Если кривая потребности не аппроксимируется с помощью прямой, то применяется нелинейный регрессионный анализ. В этом случае кривая потребности аппроксимируется с помощью полинома
y = a + b*t +c*t2+d*t3 + ... +z*tn .
В связи с большой трудоемкостью регрессионного анализа его применение целесообразно с помощью ЭВМ, причем программа для расчета коэффициентов a,b,c,d,...,z регрессионной кривой находится с помощью минимизации среднеквадратичного отклонения.
Важным для применения методов прогноза потребности является регулярное, например, ежеквартальное, в крайнем случае, ежегодное наблюдение и контроль для проверки того, что используемые предпосылки остаются действенными. Все указанные здесь методы оценки потребности формализованы, легко программируются, что обеспечивает применение ЭВМ. Выявление ошибок прогноза и контроль имеют особое значение при увеличении срока службы или давности выпуска изделия. При изменении потребности требуется применение краткосрочных прогнозов.
Наиболее частые отклонения определяются среднеквадратичными отклонениями и корнем квадратным из среднеквадратичных. При этом в основу кладется предположение, что встречающиеся ошибки подчиняются нормальному (Гауссову) распределению.
При помощи детерминированных и стохастических методов делается первый шаг для определения брутто-потребности в готовых изделиях, материалах и комплектующих. Имеющееся на складе их наличие состоит из запасов различных видов и должно быть учтено при определении величины заказа. Брутто-потребность + дополнительная потребность = общая брутто-потребность - располагаемое наличие = нетто-потребность.
Так как задачей управления запасами является получение по возможности более точных сведений о величине различных видов запасов (на складе и в разных стадиях обработки), необходимо учитывать:
-увеличение количества продукции для нужд службы маркетинга;
-дополнительную потребность для специальных целей (образцы, эксперименты и т. п.);
-резервирование на случай возможного снижения величины поставки материалов;
-повышенную потребность для ремонта и содержания оборудования.
Регулирование запасов в рамках концепции обеспечения заданного уровня обслуживания потребителей и минимизации затрат на поддержание запасов предполагает воздействие на:
- величину заказа;
- точку заказа;
- размер страхового запаса.
Оптимальная величина заказа соответствует наименьшим издержкам на обслуживание запасов и учитывает затраты на хранение и оформление заказа. Чтобы рассчитать искомую величину, сделаем следующие допущения:
-хранится один вид материалов;
-годовой спрос на ресурсы установлен и он постоянен;
-время выполнения заказа неизменно;
-за одну поставку обслуживается один заказ;
-скидки на увеличенный объем заказа (если они есть) не учитываются;
- цена за единицу не зависит от приобретаемого объема.
В данной модели можно представить запас как текущий, величина которого колеблется от максимальной в момент поставки ресурсов до минимальной, равного нулю, в момент времени перед выполнением заказа. Если считать потребление равномерным, то изменение текущего запаса можно представить прямой линией (рис. 1.8).
Рис.1.8. Изменение запаса во времени
Затраты на хранение в этом случае составят:
H = Q / 2 * h ,
где H - годовые издержки на поддержание складского запаса;
Q/2 - средняя величина запаса;
h - издержки на хранение одной единицы запаса в год.
Единичные издержки хранения могут исчисляться в долях от стоимости запасов (С):