Совершенствование системы планирования запасами в торговой компании

Существует  два основных метода управления товарными запасами в условиях неопределенности. Система с фиксированным размером заказа – ее еще называют модель returnorderpoint, ROP. Суть модели заключается в размещении заказа на пополнение запаса в тот момент, когда запасы достигают определенного минимального уровня. При достижении запаса уровня ROP, делается заказ на доставку оптимального размера.

Вторая система  – система управления запасами с  фиксированным интервалом времени  между заказами. Суть модели заключается  в том, что уровень текущего запаса сравнивается с прогнозным спросом и, исходя из этого, делается заказ на необходимое количество товара через определенное, заранее установленное время.

Как правило, для  компаний, работающий в сфере оптовой  и розничной торговли, наиболее удобным  оказывается второй вариант управления товарными запасами, так как позволяет объединить разные виды продукции, входящие в его ассортимент, что положительно влияет на стоимости закупки. Появляется возможность получить от производителя скидки за объем заказа, а также значительно сэкономить на перевозке консолидированных грузов. Кроме того, подобная система считается более гибкой с точки зрения учета спроса, так как менеджеры должны учитывать изменения в объемах продаж и делать прогнозы по каждому интервалу между заказами.

Расчет уровня страхового запаса

Объем страхового запаса, который  необходим компании для покрытия неопределенности спроса, может быть рассчитан при помощи компьютерного  моделирования или на основе анализа  статистических данных. При расчете  страхового запаса следует учитывать влияние, как неопределенности спроса, так и нестабильного времени выполнения пополнения запаса.

В работах [2] предложена формула 2.5 расчета уровня страхового запаса, представленная ниже:

 

(2.5)

 

где - уровень страхового запаса;

- коэффициент, определяемый с  помощью табулированной функции  ;

- общее среднеквадратическое отклонение  уровня запаса.

Общее среднеквадратическое отклонение рассчитывается по формуле 2.6, которая впервые была предложена Р. Феттером в 1961 году.

 

(2.6)

 

где - среднее значение времени пополнения;

- средний объем дневных продаж;

- среднеквадратическое отклонение  времени пополнения;

- среднеквадратическое отклонение  объема продаж.

Среднеквадратическое  отклонение продаж производится по формуле

Прогнозирование, как важный инструмент при управлении товарными запасами.

Для компаний, работающих в сфере дистрибуции, применение методов прогнозирования имеет  широкое распространение. Это связано  в первую очередь со спецификой деятельности таких компаний, ведь они имеют  непосредственное отношение в продаже. Прогнозные оценки спроса являются основой для принятия управленческих решений в сфере закупки, сбыта. При этом, чем точнее будет прогноз, тем выше эффективность протекания всех бизнес-процессов компании.

Не секрет, что  для отдела логистики прогнозный спрос на товар является основой для планирования закупки, средних остатков на складах, страховых запасов, а также поставок товаров потребителям. При максимально точном прогнозе, уменьшается вероятность возникновения дефицита/профицита, и как следствие, увеличивается уровень обслуживания клиентов, затраты на содержание запасов уменьшаются.

В соответствии с источником [16], прогноз – вероятностное  научно обоснованное суждение о перспективах, возможных состояниях того или иного  явления в будущем.

Не смотря на точность прогнозирования, любой прогноз всегда будет носить вероятностный характер, иметь определенную погрешность, следовательно, на основе прогнозов должна быть построена такая система управления товарными запасами, которая могла бы адекватно реагировать на любые внеплановые изменения спроса.

Существует  ряд основных свойств, характерных  для прогноза:

- как правило, точность прогнозов выше, если прогнозирование проводится для группы товаров, а не для каждой позиции. Однако при управлении товарными запасами, для адекватного планирования уровней текущего и страхового запаса, прогнозирование осуществляется именно по отдельно взятой позиции;

- точность прогноза выше при краткосрочном прогнозировании – чем период, на который делается прогноз выше, тем больше погрешность прогноза.

Прежде, чем  приступить к прогнозированию, необходимо определиться с методом прогнозирования. В источниках, относящихся к прогнозированию, рассматривается огромное множество  методов, однако, все они базируются на двух основных подходах: математическом и эвристическом.

Эвристические методы основаны на интуитивных оценках, мнении эксперта, которое формируется  исходя их полученной информации, опыта. К метожам данной группы относятся: метод простого ранжирования, парных сравнений, метод Дельфи.

Математические  методы основаны на анализе статистической информации и протекающих процессах  и разделяются на три основные группы:

- простые методы экстраполяции по временным рядам (метод наименьших квадратов, экспоненциальное сглаживание и другие);

- статистические методы, которые включают в себя корреляционный и регрессионный анализ, факторный анализ и другие;

- комбинированные методы, которые представляют собой совокупность различных подходов к прогнозированию.

Кроме того, необходимо ответить на ряд вопросов, которые напрямую влияют на выбор метода прогнозирования:

- на какой период целесообразно делать прогноз?

- насколько детализированным должен быть прогноз?

- характерно ли сезонность для анализируемого объекта, наличие тренда?

- как часто необходимо пересматривать прогноз и вносить корректировки?

Применительно к логистике, прогноз необходим  для качественного планирования деятельности, а также для координации  отдельных операций.

При управлении товарными запасами можно говорить о двух типах неопределенности, которым подвержена данная сфера деятельности: неопределенность спроса, требующая прогнозирования, и неопределенность функционального цикла.

При прогнозировании  спроса следует учитывать ряд  факторов, которые оказывают прямое влияние на динамику спроса, а именно: сезонные колебания, дефицит товара, проведение мероприятий по стимулированию продаж, случайные колебания.

В первую очередь  необходимо учитывать дефицит товара. Если товара не было на складе, и компания не смогла удовлетворить спрос, это  не значит, что спроса не было. Дефицит необходимо оценивать и прибавлять к уровню продаж, с целью корректного прогнозирования и не допущения возникновения дефицита в будущем.

Проведение  мероприятий по стимулированию продаж. При образовании неликвидов или  товаров с критичным сроком годности, часто принимаются решения о реализации подобной продукции посредством распродаж. Товар распродается, фактический уровень продаж растет. Однако, подобные продажи нельзя отнести к естественному спросу, так как он был создан искусственным путем.

Учитывая все  вышеперечисленные факторы, можно  сказать, что прогнозный спрос представляет собой не что иное, как средний  объем продаж прошлые периодов с  поправкой на определенные коэффициенты, отражающие влияние на спрос определенных факторов.

Рассмотрим  метод прогнозирования, получивший широкое распространение в практике в силу относительной простоты в  использовании – метод экстраполяции  тренда.

В основе метода экстраполяции тренда лежит закономерность, что действующая внутри анализируемого временного ряда, сохраняется и а будущем периоде. Именно на этом утверждении основывается прогнозирование. Важным моментом является подбор модели тренда, имеющий общий вид: по данным базового периода и экстраполяции тренда на прогнозируемом периоде. Данный метод прогнозирования возможен с применением двух моделей: аддитивной и мультипликативной. Прогнозирование осуществляется в несколько этапов. Первый этап заключается в подборе уравнения тренда. При оценке тренда необходимо определить зависимость для уравнения тренда, которая задается определенной функцией - линейной, степенной, экспоненциальной. Параметры модели определяются с помощью метода наименьших квадратов (МНК), при этом должно соблюдаться условие, что сумма квадратов отклонений расчетных значений от фактических должна быть наименьшей. Уравнение линейной модели имеет вид, представленный формулой 2.7:

 

(2.7)

 

где - прогнозное значение;

- коэффициенты уравнения линейной  модели, которые рассчитываются  по формулам 2.8 и 2.9;

- период прогнозирования.

 

(2.8)

 

. (2.9)

 

Второй этап заключается в продолжении линии тренда на будущие периоды, или определение точечного прогноза. Для того, чтобы получить прогнозное значение периода t, необходимо в уравнение тренда подставить конкретные значения t. Для получения адекватного прогноза, важно соблюдать следующее соотношение – 3:1, то есть длина предпрогнозного периода должна быть в три раза больше периода прогнозирования.

Третий этап – расчет ошибки прогноза. Так как тренд  в большей степени характеризует  среднее значение динамического  ряда, логично предположить, что фактические значения имеют определенные отклонения от среднего, следовательно, можно говорить и об отклонениях для прогнозного периода. Причем погрешность прогнозного значения обусловлена не только колебаниями значений от среднего, но и вероятностной характеристикой спроса. Погрешность прогноза можно вычислить по формуле 2.10.

 

(2.10)

 

где - прогнозное значение показателя;

- фактическое значение;

- число степеней свободы, которое определяется в зависимости от числа наблюдений (N) и числа оцениваемых параметров (z), ; при наличии линейного тренда z = 2.

Погрешность прогноза выражается в виде доверительного интервала. Четвертый  этап прогнозирования заключается в определении интервала прогноза при условии, что прогнозные оценки подчиняются нормальному закону распределения. Тогда интервал можно определить по формуле 2.11.

 

(2.11)

 

где - критерий Стьюдента с k степенями свободы и уровнем значимости p.

Однако, следует учитывать, что при увеличении периода прогнозирования, погрешность прогноза растет, именно поэтому при расчете интервального  прогноза СКО умножается на коэффициентК, который определяется по формуле 2.12.

 

(2.12)

 

где - коэффициент для корректировки погрешности прогноза.

Учитывая коэффициент K, формула 2.11будет иметь следующий вид, представленный формулой 2.13.

 

. (2.13)

 

Рассмотрим  еще один метод прогнозирования  по данным временного ряда, но на это раз содержащим сезонную компоненту. В теории известно несколько способов учета сезонности при прогнозировании. В данной работе будет рассмотрен метод учета сезонности в трендовых моделях, а также метод экспоненциального сглаживания с тремя параметрами (метод Винтерса).

Учет сезонности в трендовых моделях прогнозирования.

Данный метод  прогнозирования возможно с применением  двух моделей: аддитивной и мультипликативной. Прогнозирование осуществляется в 5 этапов.

Первый этап заключается в определение периодичности сезонных колебаний, то есть необходимо определить, как часто за рассматриваемый период поведение анализируемого показателя повторяется. Это может быть каждый третий квартал года, или каждый девятый месяц при анализе по месяцам.

Второй этап содержит оценку тренда и его дальнейшее исключение. Для оценки тренда применяют  два основных метода: линии тренда или метод скользящих средних. При  оценке по линии тренда необходимо определить зависимость для уравнения  тренда, которая задается определенной функцией - линейной, степенной, экспоненциальной. Уравнение линейной модели имеет вид, представленный формулой 2.7.

Третий этап – определение сезонной компоненты, которое осуществляется по двум моделям: аддитивной и мультипликативной. При  расчете по аддитивной модели оценка сезонной компоненты определяется как разность между фактическим значением и значением, определенным по трендовой модели по формуле 2.7. Для мультипликативной модели оценка определяется как отношение фактических значений показателя к расчетным. Так как оценка сезонности по периодам будет иметь различные значение, то необходимо найти среднее значение коэффициента сезонности для каждого сезона.

Если в аддитивной модели вычесть из фактического значения сезонную компоненту, а в мультипликативной – разделить фактическое значение на индекс сезонности, получим данные без учета сезонности.

Четвертый этап заключается в непосредственном прогнозировании.

Пятый этап –  вычисление ошибки прогноза по формуле 2.10.

 

 

2.2 Управление многономенклатурными запасами на основе АВС-ХУЗ классификации

Компании, работающие в сфере дистрибуции и оптовой  торговли, характеризуются наличием обширной номенклатуры и ассортимента продукции на складах, которые из года в год только увеличиваются. Для эффективного управления многономенклатурными запасами крайне необходимы методы систематизации и группировки всей номенклатуры в группы по какому-либо признаку.

В логистики  получили распространение методы АВС  – анализа, который предусматривает  выделение групп из всей совокупности запасов, и XYZ–анализа, объектом анализа которого является отдельно взятая позиция номенклатуры вне зависимости от принадлежности к той или иной группе.