Полная версия

Главная arrow Логистика arrow Управление запасами в цепях поставок

  • Увеличить шрифт
  • Уменьшить шрифт


<<   СОДЕРЖАНИЕ ПОСМОТРЕТЬ ОРИГИНАЛ   >>

Прогнозирование потребности в запасе по индикаторам

Работа с временными рядами статистических данных предполагает анализ потребности в запасе по сложившимся с течением времени тенденциям (см. подп. 6.1.1. Прогнозирование потребности по временным рядам). В силу влияния случайных факторов (см. п. 6.1.1 f) зачастую складывается ситуация, когда прогнозирование по данным временных рядов не дает требуемой точности прогноза. В таких случаях можно воспользоваться идеей о том, что на отгрузки запаса рассматриваемых товарно-материальных ценностей оказывает влияние какая-либо переменная, от которой зависит прогнозируемый спрос. Например, температура воздуха оказывает воздействие на интенсивность спроса на прохладительные напитки, численность новорожденных детей определяет через 2—3 года спрос на детскую книжную продукцию и т.п. Определение и анализ таких переменных, которые принято называть индикаторами, дают возможность составить прогноз будущего потребления.

Индикаторами, оказывающими воздействие на спрос, являются, например:

  • • индекс оптовых цен;
  • • индекс потребительских цен;
  • • объем производства;
  • • показатели миграции населения;
  • • процентные ставки за кредит;
  • • уровень платежеспособности населения;
  • • затраты на рекламу и др.

Для того чтобы те или иные события могли служить индикаторами, требуются следующие три условия.

  • 1. Наличие логического объяснения связи индикатора и прогнозируемой потребности.
  • 2. Интервал времени между изменением индикатора и изменением потребности должен быть достаточно велик для возможности использования прогноза.
  • 3. Наличие высокой корреляционной связи между индикатором и уровнем потребности.

Пример 6.9. Прогнозирование потребности в запасе по индикаторам

Рассмотрим задачу прогнозирования спроса на основные продукты питания в ресторане гостиницы. В качестве индикатора прогнозирования спроса выбран показатель численности постояльцев гостиницы. Имеется статистический ряд, описывающий связь между числом постояльцев и спросом на основные виды продуктов (табл. 6.9). Места в гостинице бронируются за 10 дней до заезда. Это позволяет утверждать, что второе условие использования индикатора (см. выше) выполнено. Коэффициент корреляции между значениями индикатора и потребности (см. формулу (3.5)) равен 82%, что соответствует достаточно тесной статистической связи между этими двумя показателями.

Таблица 6.9

Статистические данные о связи двух показателей

Число постояльцев

Объем потребления основных продуктов питания

220

1500

250

1510

305

1540

310

1680

325

1700

Коэффициент корреляции

0,82

Для прогнозирования потребности в запасе на основе индикаторов используют регрессионный анализ. Простейшей формой регрессии является линейная связь между двумя переменными. Уравнение линейной регрессии имеет вид

где у — прогнозируемая (зависимая) переменная, единиц; а, в — коэффициенты; л; — индикатор (независимая переменная), единиц.

Коэффициенты а и b вычисляются следующим образом:

где а, в — коэффициенты, п — число парных наблюдений, у — прогнозируемая (зависимая) переменная, единиц; х — индикатор (независимая переменная), единиц.

Кроме линейной регрессии можно использовать и иные, более сложные виды регрессии (параболическую, гиперболическую, экспоненциальную и др.). Для данных примера 6.9 (см. табл. 6.9) построим график рассеяния значений индикатора и прогнозируемого потребления (рис. 6.22).

Рисунок 6.22 показывает, что линейный вид уравнения регрессии является приемлемым, так как точки графика визуально находятся вокруг некоторой предполагаемой прямой линии. Рассчитаем коэффициенты уравнения регрессии (см. (6.15) и (6.16)):

График рассеивания переменных из табл. 6.9

Рис. 6.22. График рассеивания переменных из табл. 6.9

b = 5 • ((220 • 1500 + 250 ? 1520 + 305 ? 1540 + 310 • 1680 +

+ 325 • 1700) - 1410 • 7930) / (5 • 405 650 - 1410 ? 1410) =

= (5 • 2 250 500 - 11 181 300) / (2 028 250 - 1 988 100) = 1,7733;

a = (7930 - 1,7733 • 1410) / 5 = 1085,9.

Таким образом, имеем уравнение линейной регрессии

Построение регрессионных уравнений проводят все стандартные программные пакеты. В частности, на рис. 6.23 представлен результат расчета линейной регрессии, выполненный в Microsoft Excel. Microsoft Excel позволяет быстро провести визуальный анализ точности уравнений регрессии различных видов.

На рис. 6.24 приведены варианты уравнения регрессии для того же примера логарифмического, полиноминального, степенного и экспоненциального вида. Анализ рисунка показывает, что линейное уравнение регрессии представляет собой простейший и достаточно точный вариант описания регрессии в примере 6.9.

Используя полученное уравнение линейной регрессии (см. (6.17)) можно провести прогнозирование значений потребления основных продуктов питания в ресторане гостиницы в зависимости от числа постояльцев (табл. 6.10). Прогноз потребления при численности постояльцев 220 человек составлен следующим образом:

Результат регрессионного анализа примера из табл. 6.9

Рис. 6.23. Результат регрессионного анализа примера из табл. 6.9

Различные виды уравнений регрессий примера из табл. 6.9

Рис. 6.24. Различные виды уравнений регрессий примера из табл. 6.9

1085.9 + 1,7733 • 220 = 1476,026 - 1477.

При численности постояльцев, например, 230 человек прогнозируется объем потребности в запасе основных продуктов питания в размере

1085.9 + 1,7733 • 230 = 1493,759 - 1494.

Таблица 6.10

Прогноз потребления основных продуктов питания по числу постояльцев

гостиницы

Число постояльцев

Прогноз потребления основных продуктов питания

220

1477

230

1494

240

1512

250

1530

260

1547

270

1565

280

1583

290

1601

300

1618

305

1627

310

1636

320

1654

325

1663

330

1672

340

1689

350

1707

Основные формулы к подразделу 6.1

n/n

Показатель

Расчет

Условные обозначения

1

Прогнозируемый объем потребности по скользящей средней, единиц

/ — индекс предыдущего периода времени;

Р. — объем потребления в предыдущем периоде времени /, единиц; п — число периодов, используемых в расчете скользящей средней

2

Прогнозируемый объем потребности по методу взвешенной скользящей средней, единиц

/ — индекс предыдущего периода времени; kj - коэффициент значимости периода времени /;

Р. — объем потребления в предыдущем периоде времени /, единиц; п — число используемых в расчете предыдущих периодов времени

n/n

Показатель

Расчет

Условные обозначения

3

Прогнозируемый объем потребности по методу экспоненциального сглаживания, единиц

Pj, — прогнозируемый объем потребности в периоде времени (/—1), единиц; а — константа сглаживания; F._! — фактическая потребность в периоде (/—1), единиц

4

Коэффициент тенденции

j — индекс прогнозируемого периода;

/ — индекс предшествующего месяца;

п — число предшествующих месяцев, учитываемых для определения коэффициента тенденции;

F-Vi — фактический объем потребности в предыдущем прогнозируемому периоде времени / в предшествующем месяце, единиц;

Fj_2,j — фактический объем потребности в периоде времени, предшествующем предыдущему прогнозируемому, в предшествующем месяце /, единиц

5

Прогнозируемый объем потребности при учете тенденции спроса, единиц

j — индекс прогнозируемого периода;

Р. — прогноз потребности в периоде j, единиц;

KTj — коэффициент тенденции в периоде j

n/n

Показатель

Расчет

Условные обозначения

6

Уравнение

линейной

регрессии

у — прогнозируемая (зависимая) переменная, единиц; а, в — коэффициенты; х — индикатор (независимая переменная), единиц

п — число парных наблюдений;

у — прогнозируемая (зависимая) переменная, единиц; х — индикатор (независимая переменная), единиц

п — число парных наблюдений;

у — прогнозируемая (зависимая) переменная, единиц; х — индикатор (независимая переменная), единиц

Вопросы для самопроверки к подразделу 6.1

  • 1. Перечислите возможные подходы к прогнозированию потребности в запасе.
  • 2. Что такое количественный подход к прогнозированию потребности в запасе?
  • 3. Что такое качественное прогнозирование потребности в запасе?
  • 4. В чем заключается комбинированный подход к прогнозированию спроса?
  • 5. Перечислите методы прогнозирования потребности в запасе.
  • 6. Что такое временной ряд? Как он образуется?
  • 7. Какие составляющие спроса могут быть выделены в результате анализа временного ряда?
  • 8. Что такое относительно равномерный спрос?
  • 9. Для запаса каких видов товарно-материальных ценностей типичен относительно равномерный спрос?
  • 10. Как строится наивный прогноз?
  • 11. Каковы основные преимущества и недостатки наивного прогнозирования?
  • 12. Какой критерий рекомендуется использовать для проведения оценки целесообразности применения того или иного метода прогнозирования спроса?
  • 13. В каких ситуациях следует учитывать количество рабочих дней в отчетном периоде при прогнозировании спроса?
  • 14. Как рассчитывается среднедневное потребление запаса?
  • 15. Перечислите все известные вам приемы составления прогноза месячной потребности в запасе.
  • 16. Что такое скользящая средняя? Какое применение она находит при прогнозировании потребности в запасе?
  • 17. На основе каких соображений определяется период расчета скользящей средней?
  • 18. Каковы основные преимущества и недостатки прогнозирования потребности в запасе на основе скользящей средней?
  • 19. Объясните суть метода взвешенной скользящей средней.
  • 20. Как определяется коэффициент значимости периодов в методе взвешенной скользящей средней?
  • 21. Каковы основные преимущества и недостатки метода прогнозирования потребности в запасе на основе взвешенной скользящей средней?
  • 22. Как определяется прогноз потребности в методе экспоненциального сглаживания?
  • 23. Как определяется константа сглаживания в методе экспоненциального сглаживания?
  • 24. Что такое чувствительность прогноза? Как она связана с константой сглаживания?
  • 25. Что такое сезонная потребность? Каковы сроки демонстрации сезонной потребности?
  • 26. На основе каких данных прогнозируется сезонная потребность?
  • 27. Перечислите все возможные тенденции изменения спроса.
  • 28. Поясните, что такое краткосрочные и долгосрочные тенденции изменения спроса.
  • 29. Перечислите этапы прогнозирования потребности в запасе, имеющей долгосрочную тенденцию динамики.
  • 30. Какова цель фильтрации значений статистического ряда?
  • 31. Приведите примеры статистической фильтрации статистического ряда.
  • 32. Кто может выступать в роли эксперта при проведении экспертной фильтрации статистического ряда?
  • 33. На ваш взгляд, кто из сотрудников организации может быть задействован в разработке и проверке гипотезы изменения потребления запаса?
  • 34. Приведите примеры возможных гипотез изменения потребления запаса.
  • 35. Поясните суть метода экстраполяции.
  • 36. Что такое коэффициент тенденции?
  • 37. Как следует составлять прогноз сезонного спроса при наличии долгосрочных тенденций?
  • 38. В результате каких обстоятельств образуются циклические колебания спроса?
  • 39. На статистической базе какого периода могут быть выявлены циклические колебания спроса?
  • 40. Какие соображения могут помочь выявлению циклического изменения спроса?
  • 41. Приведите несколько примеров ведущих показателей циклического колебания спроса.
  • 42. В результате каких действий образуется эффект стимулирования спроса?
  • 43. Какую роль играет эффект стимулирования спроса при прогнозировании потребности в запасе?
  • 44. В каких случаях эффект стимулирования спроса может учитываться по методике работы с сезонной потребностью?
  • 45. Образование каких видов запаса может быть связано с эффектом стимулирования спроса?
  • 46. Что относится к случайным факторам спроса?
  • 47. Можно ли избежать случайных колебаний потребности в запасе? Если да, то для каких видов товарно-материальных ценностей это возможно?
  • 48. Какие методы прогнозирования потребности в запасе могут быть использованы для прогнозирования случайного спроса?
  • 49. Что такое индикатор прогнозирования? В каких случаях он может использоваться?
  • 50. Приведите несколько примеров индикаторов прогнозирования потребности в запасе.
  • 51. Поясните каждое из условий использования индикатора прогнозирования.
  • 52. Какие виды уравнений регрессии вы знаете?
 
<<   СОДЕРЖАНИЕ ПОСМОТРЕТЬ ОРИГИНАЛ   >>